完全背包问题

题目描述

n 件物品和容量为 w 的背包,给你两个数组 weightsvalues,分别表示第 i 件物品的重量和价值,每件物品可以放入多次,求解将哪些物品装入背包可使得物品价值总和最大?

完全背包问题和01背包唯一的不同就是物品有无限个, 可以多次放入背包

建立模型

  1. 确定 dp 数组及下标的含义,数组的含义为从第 [0, i - 1] 个物品中选择物品,其重量和小于等于 j 的最大价值。
  2. 初始化 dp 数组:
    \[\begin{cases} dp[i][0] = 0 \quad (0 \le i < weights.length) \\ dp[0][j] = 0 \quad (0 \le j \le bagSize) \end{cases}
    \]
  3. 确定递推公式:
    \[\begin{cases} dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - weights[i - 1]] + values[i - 1]) \quad (j \ge weights[i - 1]) \\ dp[i][j] = dp[i - 1][j] \quad (j < weights[i - 1]) \end{cases}
    \]
  4. 确定遍历顺序,外循环遍历物品 i -> 1~weights.length ,内循环遍历背包容量 j -> 1~bagSize

代码实现

public int completeBagProblem(int[] weights, int[] values, int bagSize) {
int n = weights.length;
int[][] dp = new int[n + 1][bagSize + 1]; for (int i = 1; i <= n; i++) {
for (int j = 0; j <= bagSize; j++) {
if (j >= weights[i - 1]) {
dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - weights[i - 1]] + values[i - 1]);
}
else {
dp[i][j] = dp[i - 1][j];
}
}
} return dp[n][bagSize];
} /**
* 状态压缩
* 一维滚动数组实现
*/
public int completeBagProblem(int[] weights, int[] values, int bagSize) {
int[] dp = new int[bagSize + 1]; for (int i = 0; i < weights.length; i++) {
for (int j = weights[i]; j <= bagSize; j++) {
dp[j] = Math.max(dp[j], dp[j - weights[i]] + values[i]);
}
}
}

LeeCode 377:组合总和IV

题目描述

给你一个由 不同 整数组成的数组 nums ,和一个目标整数 target 。请你从 nums 中找出并返回总和为 target 的元素组合的个数。

题目数据保证答案符合 32 位整数范围。顺序不同的序列被视作不同的组合。

数据范围

  • \(1 \le nums.length \le 200\)
  • \(1 \le nums[i] \le 1000\)
  • \(1 \le target \le 1000\)
  • nums 中元素互不相同

建立模型

该问题有两个关键特征:

  • 元素可以多次选择,属于完全背包问题
  • 不同的选择顺序视为不同的组合,属于排列问题

问题转化 \(\Rightarrow\) 完全背包问题

物品 \(\rightarrow\) 数组中的元素,价值和重量都是 nums[i]

背包容量 \(\rightarrow\) 目标整数

模型建立

  1. 确定 dp 数组及下标的含义,数组的含义为组合成目标整数 j 的方法数。
  2. 初始化 dp 数组,dp[0] = 1,表示组合成目标整数0只有一种方法,空集。
  3. 确定递推公式:dp[j] = dp[j] + dp[j - nums[i]]
  4. 确定遍历顺序:外循环遍历背包容量 j -> 1~target,内循环遍历物品 i -> 0 ~ nums.length - 1

为什么是外循环遍历背包容量呢?

从题目描述中分析,当前问题属于一个排列问题,即不同的添加顺序属于不同的组合。如果外循环遍历物品,添加物品时只能按照 nums 中元素的相对顺序添加,无法得到不同的顺序;反之,外循环遍历背包容量,每次循环都可以考虑所有的物品。

Example

上面的话可能不好理解,举个例子说明,nums = {1, 2, 3},target = 4。

如果外循环遍历物品,那么只会出现 {1, 3},而不会出现 {3, 1}。

如果外循环遍历背包容量,则会出现 {1, 3} 和 {3, 1}。

总结下来,可以得到以下两个结论:

  • 排列问题:外循环遍历背包容量,内循环遍历物品
  • 组合问题:外循环遍历物品,内循环遍历背包容量

代码实现

public int combinationSum4(int[] nums, int target) {
int[] dp = new int[target + 1];
dp[0] = 1; /**
* 排列问题,先遍历背包容量,后遍历物品
*/
for (int j = 1; j <= target; j++) {
for (int i = 0; i < nums.length; i++) {
if (j >= nums[i]) {
dp[j] += dp[j - nums[i]];
}
}
} return dp[target];
}

LeeCode 518:零钱兑换

题目描述

给你一个整数数组 coins 表示不同面额的硬币,另给一个整数 amount 表示总金额。

请你计算并返回可以凑成总金额的硬币组合数。如果任何硬币组合都无法凑出总金额,返回 0

假设每一种面额的硬币有无限个。 题目数据保证结果符合 32 位带符号整数。

建立模型

问题转换 \(\Rightarrow\) 完全背包问题

物品 \(\rightarrow\) 硬币,价值和重量都是 coins[i]

背包容量 \(\rightarrow\) 总金额

该问题描述等价于从 conis 中选择若干个硬币,使其等于总金额的方法数,每个硬币可以选择多次,且不同的选择顺序视为同一方法,属于组合问题

代码实现

public int change(int amount, int[] coins) {
int[] dp = new int[amount + 1];
dp[0] = 1; for (int i = 0; i < coins.length; i++) {
for (int j = coins[i]; j <= amount; j++) {
dp[j] += dp[j - coins[i]];
}
} return dp[amount];
}

LeeCode 279:完全平方数

题目描述

给你一个整数 n ,返回 和为 n 的完全平方数的最少数量 。

完全平方数 是一个整数,其值等于另一个整数的平方;换句话说,其值等于一个整数自乘的积。例如,1、4、9 和 16 都是完全平方数,而 3 和 11 不是。

建立模型

问题转化 \(\Rightarrow\) 完全背包问题

该问题描述等价于从 [1, 4, 9, ..., \(\lfloor \sqrt{n} \rfloor^{2}\)] 这些完全平方数中选择若干个数,使其和等于 n 的最少个数,且每个完全平方数可多次选择。

物品 \(\rightarrow\) 完全平方数

背包容量 \(\rightarrow\) 整数 n

代码实现

public int numSquares(int n) {
int[] dp = new int[n + 1];
dp[0] = 0; for (int i = 1; i <= n; i++) {
dp[i] = Integer.MAX_VALUE;
} for (int i = 1; i * i <= n; i++) {
for (int j = i * i; j <= n; j++) {
if (dp[j - i * i] != Integer.MAX_VALUE) {
dp[j] = Math.min(dp[j], dp[j - i * i] + 1);
}
}
} return dp[n];
}

LeeCode 139:单词拆分

题目描述

给你一个字符串 s 和一个字符串列表 wordDict 作为字典。请你判断是否可以利用字典中出现的单词拼接出 s

注意:不要求字典中出现的单词全部都使用,并且字典中的单词可以重复使用。

建立模型

问题转化 \(\Rightarrow\) 完全背包问题

该问题描述等价于从字典中选择若干个字符串,是否可以拼接成字符串 s ,且字典中的字符串可多次使用。

物品 \(\rightarrow\) 字典中的字符串

背包容量 \(\rightarrow\) 字符串 s

模型建立

  1. 确定 dp 数组及下标含义,数组的含义为 由字符串 s 中下标 0 ~ i - 1 构成的子串是否能字典中的单词拼接。
  2. 初始化 dp 数组,\(dp[0] = true\),表示空串可由字典中的单词拼接
  3. 确定递推公式:\(dp[i] = wordDict.contains(s.substring(j, i))\ \&\&\ dp[j]\)
  4. 确定遍历顺序,枚举子串的结束位置和单词的起始位置。

代码实现

public boolean wordBreak(String s, List<String> wordDict) {
boolean[] dp = new boolean[s.length() + 1];
dp[0] = true; // i -> 子串结束位置, j 子串起始位置
for (int i = 1; i <= s.length(); i++) {
for (int j = 0; j < i; j++) {
String temp = s.substring(j, i);
if (wordDict.contains(temp) && dp[j]) {
dp[i] = true;
}
}
} return dp[s.length()];
}

LeeCode 动态规划(三)的更多相关文章

  1. 简单动态规划——三逆数的O(N^2)解法!

    [算法]简单动态规划——三逆数的O(N^2)解法! 问题描述: 三逆数定义:给一个数的序列A[0,1,....N-1]),当i<j<k且A[i]>A[j]>A[k]时,称作ai ...

  2. 【算法】简单动态规划——三逆数的O(N^2)解法!

    问题描述: 三逆数定义:给一个数的序列A[0,1,....N-1]),当i<j<k且A[i]>A[j]>A[k]时,称作ai,aj,ak为一个三逆数. 现在给定一个长度为N的数 ...

  3. leetcode算法刷题(五)——动态规划(三)

    今天的题目不是leetcode上面的.只是觉得动态规划还是不算很熟练,就接着找了点DP的题练练 最长递增子序列的长度 题目的意思:传入一个数组,要求出它的最长递增子序列的长度.例如:如在序列1,-1, ...

  4. leecode第三百四十四题(反转字符串)

    class Solution { public: void reverseString(vector<char>& s) { int len=s.size(); char temp ...

  5. leecode第三十三题(搜索旋转排序数组)

    class Solution { public: int search(vector<int>& nums, int target) { int len=nums.size(); ...

  6. leecode第三题(无重复字符的最长子串)

    class Solution { public: int lengthOfLongestSubstring(string s) { int len=s.size(); ||len==)//边界 ret ...

  7. 动态规划(DP)

    一.基本概念 动态规划过程是:每次决策依赖于当前状态,又随即引起状态的转移.一个决策序列就是在变化的状态中产生出来的,所以,这种多阶段最优化决策解决问题的过程就称为动态规划. 二.基本思想与策略 基本 ...

  8. 五大常用算法之二:动态规划算法(DP)

    一.基本概念 动态规划过程是:每次决策依赖于当前状态,又随即引起状态的转移.一个决策序列就是在变化的状态中产生出来的,所以,这种多阶段最优化决策解决问题的过程就称为动态规划. 二.基本思想与策略 基本 ...

  9. 动态规划系列(零)—— 动态规划(Dynamic Programming)总结

    动态规划三要素:重叠⼦问题.最优⼦结构.状态转移⽅程. 动态规划的三个需要明确的点就是「状态」「选择」和「base case」,对应着回溯算法中走过的「路径」,当前的「选择列表」和「结束条件」. 某种 ...

  10. 2、动态规划接替套路框架——Go语言版

    前情提示:Go语言学习者.本文参考https://labuladong.gitee.io/algo,代码自己参考抒写,若有不妥之处,感谢指正 关于golang算法文章,为了便于下载和整理,都已开源放在 ...

随机推荐

  1. spark命令

    spark提交任务命令 集群方式: ./bin/spark-submit  --master spark://localhost:7077 --class 类 /home/cjj/testfile/f ...

  2. dos的使用

    打开cmd的方式 开始+系统+命令提示符 win+r,输入cmd 在任意的文件夹下面,按住shift键+鼠标右键点击,在此处打开命令运行窗口 打开我的电脑 在资源管理器的地址栏前面加上cmd路径 常用 ...

  3. vue 高级部分

    props的其它内容 props的作用就是用于在子组件中接收传入的数据 props的使用方式 1.数组 props:['name'] 2.对象,指定传入变量的类型 props:{name:Number ...

  4. 关于php pconnect长连接如何刷新连接的讨论

    由于每个pconnect所建立的连接信息和单个进程绑定.线上偶发了redis在某一台机器php-fpm上连接正常而无法进行任何操作的问题. 先说结论 查看redis拓展官方文档 close方法 有一句 ...

  5. scroll-view 横向滚动无效

    scroll-view的内层view元素需要: display: inline-block scroll-view的外层元素需要: white-space: nowrap 使得内部组件不换行.

  6. [Leetcode 104]二叉树最大深度Maximum Depth of Binary Tree

    题目 求二叉树的深度,即根节点出发的最长路径上点的个数,即最长路径+1(本身这个点 https://leetcode.com/problems/maximum-depth-of-binary-tree ...

  7. nacos启停脚本

    nacosServer.sh #!/bin/bash #auther by wangxp PWD=`pwd` #配置java环境变量 JAVA_HOME=/u01/java_home/jdk1.8.0 ...

  8. NRF52832的FDS程序,参考非蓝牙例程修改而来(需要增加DFU的基础上只要增加如下程序即可解决)

    /* Dummy configuration data. */ static configuration_t m_dummy_cfg = { .config1_on = false, .config2 ...

  9. MapReduce实践

    1. 词频统计任务要求 首先,在Linux系统本地创建两个文件,即文件wordfile1.txt和wordfile2.txt.在实际应用中,这两个文件可能会非常大,会被分布存储到多个节点上.但是,为了 ...

  10. C++生成均匀分布的随机实数

    #include<random> #include<iostream> int main() { //定义均匀分布对象,均匀分布区间(a,b)为(2,6) std::unifo ...