题目与题解
参考资料:背包问题总结
139.单词拆分
题目链接:139.单词拆分
代码随想录题解:139.单词拆分
解题思路:
转换为背包问题,单词数组是可以放入背包的物品,字符串是背包,单词可以无限取,所以是完全背包问题,又因为单词是有顺序的,所以该题是求排列。
但写的时候就很懵了,因为这里不是计算价值,也不是计算重量,没有办法直接将其value相加,不知道该咋写,只能看答案。
看完代码随想录之后的想法
首先还是要明确,dp的含义一般就是题目要求的结果。所以这题,dp数组表示当字符串长度为dp[i]时,是否存在符合条件的单词组合,存在则为true。
由于是排列,所以应该先遍历背包(i),后遍历物品(j),递推公式为:当dp[j]为true,表示字符串长度为j时存在单词组合,所以只需要查询substr(j,i)的子字符串是否在单词数组中存在,存在则将当前dp[i]置为true。
初始化dp[0]必须为true,否则dp计算出来永远为false。
class Solution {
public boolean wordBreak(String s, List<String> wordDict) {
boolean[] dp = new boolean[s.length()+1];
dp[0] = true;
for (int i = 1; i < dp.length; i++) {
for (int j = 0; j < i; j++) {
String substr = s.substring(j, i);
if (dp[j] && wordDict.contains(substr)) {
dp[i] = true;
break;
}
}
}
return dp[s.length()];
}
}
遇到的困难
dp的定义一开始没有理清楚,虽然知道是完全背包的排列问题,但是没有想到用子字符串作为计算的方法。好难。
关于多重背包,你该了解这些!
题目链接:关于多重背包,你该了解这些!
代码随想录题解:关于多重背包,你该了解这些!
解题思路:
多重背包就是01背包的升级版,只要把多个重量和价值相同的物品当作01背包里面多个不同的物品就可以了,同样用01背包的思路来做,只不过遍历的时候要多加一个对物品数量的遍历。
public class ID56Kama {
public static void main (String[] args) {
Scanner scanner = new Scanner(System.in);
int C = scanner.nextInt();
int N = scanner.nextInt();
int[] w = new int[N];
int[] v = new int[N];
int[] k = new int[N];
for (int i = 0; i < N; i++) {
w[i] = scanner.nextInt();
}
for (int i = 0; i < N; i++) {
v[i] = scanner.nextInt();
}
for (int i = 0; i < N; i++) {
k[i] = scanner.nextInt();
}
int[] dp = new int[C+1];
for (int i = 0; i < N; i++) {
for (int k1 = 0; k1 < k[i]; k1++) {
for (int j = C; j >= w[i]; j--) {
dp[j] = Math.max(dp[j], dp[j-w[i]] + v[i]);
}
}
}
System.out.println(dp[C]);
}
}
看完代码随想录之后的想法
随想录计算时用相乘代替累加,本质是一样的。
import java.util.Scanner;
class multi_pack{
public static void main(String [] args) {
Scanner sc = new Scanner(System.in);
/**
* bagWeight:背包容量
* n:物品种类
*/
int bagWeight, n;
//获取用户输入数据,中间用空格隔开,回车键换行
bagWeight = sc.nextInt();
n = sc.nextInt();
int[] weight = new int[n];
int[] value = new int[n];
int[] nums = new int[n];
for (int i = 0; i < n; i++) weight[i] = sc.nextInt();
for (int i = 0; i < n; i++) value[i] = sc.nextInt();
for (int i = 0; i < n; i++) nums[i] = sc.nextInt();
int[] dp = new int[bagWeight + 1];
//先遍历物品再遍历背包,作为01背包处理
for (int i = 0; i < n; i++) {
for (int j = bagWeight; j >= weight[i]; j--) {
//遍历每种物品的个数
for (int k = 1; k <= nums[i] && (j - k * weight[i]) >= 0; k++) {
dp[j] = Math.max(dp[j], dp[j - k * weight[i]] + k * value[i]);
}
}
}
System.out.println(dp[bagWeight]);
}
}
遇到的困难
01背包已经忘记了,复习一下。
今日收获
巩固了一下背包问题。
基础是动态规划五部曲:
- 确定dp数组(dp table)以及下标的含义
- 确定递推公式
- dp数组如何初始化
- 确定遍历顺序
- 举例推导dp数组
背包问题常见的递归公式有以下几种:
问能否能装满背包(或者最多装多少):dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]); ,对应题目如下:
问装满背包有几种方法:dp[j] += dp[j - nums[i]] ,对应题目如下:
- 动态规划:494.目标和(opens new window)
- 动态规划:518. 零钱兑换 II(opens new window)
- 动态规划:377.组合总和Ⅳ(opens new window)
- 动态规划:70. 爬楼梯进阶版(完全背包)(opens new window)
问背包装满最大价值:dp[j] = max(dp[j], dp[j - weight[i]] + value[i]); ,对应题目如下:
问装满背包所有物品的最小个数:dp[j] = min(dp[j - coins[i]] + 1, dp[j]); ,对应题目如下:
遍历顺序
01背包 / 多重背包
二维:先遍历背包或先遍历物品都可以,从小到大遍历
一维:先遍历物品后遍历背包,遍历背包时为了防止更新异常需要从大到小遍历。
完全背包:
普通问题(如求最大或最小数):先遍历背包或先遍历物品都可以,从小到大遍历
求组合数:先遍历物品后遍历背包
求排列数:先遍历背包后遍历物品