【动态规划】【同余前缀和】【多重背包】[推荐]2902. 和带限制的子多重集合的数目

简介: 【动态规划】【同余前缀和】【多重背包】[推荐]2902. 和带限制的子多重集合的数目

本文涉及知识点

动态规划汇总

C++算法:前缀和、前缀乘积、前缀异或的原理、源码及测试用例 包括课程视频

C++算法:滑动窗口总结

多重背包

LeetCode2902. 和带限制的子多重集合的数目

给你一个下标从 0 开始的非负整数数组 nums 和两个整数 l 和 r 。

请你返回 nums 中子多重集合的和在闭区间 [l, r] 之间的 子多重集合的数目 。

由于答案可能很大,请你将答案对 109 + 7 取余后返回。

子多重集合 指的是从数组中选出一些元素构成的 无序 集合,每个元素 x 出现的次数可以是 0, 1, …, occ[x] 次,其中 occ[x] 是元素 x 在数组中的出现次数。

注意:

如果两个子多重集合中的元素排序后一模一样,那么它们两个是相同的 子多重集合 。

空 集合的和是 0 。

示例 1:

输入:nums = [1,2,2,3], l = 6, r = 6

输出:1

解释:唯一和为 6 的子集合是 {1, 2, 3} 。

示例 2:

输入:nums = [2,1,4,2,7], l = 1, r = 5

输出:7

解释:和在闭区间 [1, 5] 之间的子多重集合为 {1} ,{2} ,{4} ,{2, 2} ,{1, 2} ,{1, 4} 和 {1, 2, 2} 。

示例 3:

输入:nums = [1,2,1,3,5,2], l = 3, r = 5

输出:9

解释:和在闭区间 [3, 5] 之间的子多重集合为 {3} ,{5} ,{1, 2} ,{1, 3} ,{2, 2} ,{2, 3} ,{1, 1, 2} ,{1, 1, 3} 和 {1, 2, 2} 。

提示:

1 <= nums.length <= 2 * 104

0 <= nums[i] <= 2 * 104

nums 的和不超过 2 * 104

0 <= l <= r <= 2 * 104

动态规划

vCnt[i]记录i在nums中出现的次数,vCnt[i]不为0的数目不超过200个。

子多重集合 就是子序列。

i为0要特殊处理,否则会死循环。

动态规划的状态表示

dp[i][j] 表示 ,从[0,i]中选取若干个数和为j的可能数。状态数:O(200r)。

注意用滚动向量vPre、dp实现。

由于unorder_map 大约是O(10),所以有超时的风险。直接vector<vector<>> 空间复杂度是:O(nr),空间会超。

利用前缀和优化转移方程

计算后置状态:

dp[j] = ∑ x : 0 v C n t [ i ] v P r e [ j − x × i ] s . t j − x × i > = 0 \Large\sum_{x:0}^{vCnt[i]}vPre[j-x\times i] \quad s.t \quad j-x \times i>=0x:0vCnt[i]vPre[jx×i]s.tjx×i>=0

显然,可以用前缀和优化。

转移方程的时间复杂度为:O(1),总时间复杂度为O(200r)。

动态规划的填表顺序

i从大到小。从小到大似乎也没问题。

动态规划的初始值

vPre[0]=1

动态规划的范围值

∑ x : l r v P r e [ x ] \Large \sum _{x:l}^r vPre[x]x:lrvPre[x]

代码

核心代码

template<int MOD = 1000000007>
class C1097Int
{
public:
  C1097Int(long long llData = 0) :m_iData(llData% MOD)
  {
  }
  C1097Int  operator+(const C1097Int& o)const
  {
    return C1097Int(((long long)m_iData + o.m_iData) % MOD);
  }
  C1097Int& operator+=(const C1097Int& o)
  {
    m_iData = ((long long)m_iData + o.m_iData) % MOD;
    return *this;
  }
  C1097Int& operator-=(const C1097Int& o)
  {
    m_iData = (m_iData + MOD - o.m_iData) % MOD;
    return *this;
  }
  C1097Int  operator-(const C1097Int& o)
  {
    return C1097Int((m_iData + MOD - o.m_iData) % MOD);
  }
  C1097Int  operator*(const C1097Int& o)const
  {
    return((long long)m_iData * o.m_iData) % MOD;
  }
  C1097Int& operator*=(const C1097Int& o)
  {
    m_iData = ((long long)m_iData * o.m_iData) % MOD;
    return *this;
  }
  bool operator<(const C1097Int& o)const
  {
    return m_iData < o.m_iData;
  }
  C1097Int pow(long long n)const
  {
    C1097Int iRet = 1, iCur = *this;
    while (n)
    {
      if (n & 1)
      {
        iRet *= iCur;
      }
      iCur *= iCur;
      n >>= 1;
    }
    return iRet;
  }
  C1097Int PowNegative1()const
  {
    return pow(MOD - 2);
  }
  int ToInt()const
  {
    return m_iData;
  }
private:
  int m_iData = 0;;
};
class Solution {
public:
  int countSubMultisets(vector<int>& nums, int left, int r) {
    const int iMax = *std::max_element(nums.begin(), nums.end());
    vector<int> vCnt(1 + iMax);
    for (const auto& n : nums)
    {
      vCnt[n]++;
    }
    vector<C1097Int<>> vPre(r + 1);
    vPre[0] = 1;
    for (int i = iMax; i >= 0; i--)
    {
      if (0 == vCnt[i])
      {
        continue;
      }
      vector<C1097Int<>> dp(r + 1);
      if (0 == i)
      {
        for (int k = 0; k <= r; k++)
        {
          dp[k] = vPre[k] * (1 + vCnt[i]);
        }
      }
      else
      {
        for (int m = 0; m < i; m++)
        {
          C1097Int<> iiSum = 0;
          for (int k = m; k <= r; k += i)
          {
            iiSum += vPre[k];
            const int delIndex = k - (vCnt[i] + 1) * i;
            if (delIndex >= 0)
            {
              iiSum -= vPre[delIndex];
            }
            dp[k] = iiSum;
          }
        }
      }
      vPre.swap(dp);
    }
    C1097Int<> biRet = std::accumulate ( vPre.begin() + left, vPre.begin() + r + 1, C1097Int<>());
    return biRet.ToInt();
  }
};

测试用例

emplate<class T, class T2>
void Assert(const T& t1, const T2& t2)
{
  assert(t1 == t2);
}
template<class T>
void Assert(const vector<T>& v1, const vector<T>& v2)
{
  if (v1.size() != v2.size())
  {
    assert(false);
    return;
  }
  for (int i = 0; i < v1.size(); i++)
  {
    Assert(v1[i], v2[i]);
  }
}
int main()
{
  vector<int> nums;
  int l,  r;
  {
    Solution sln;
    nums = { 1, 2, 2, 3 }, l = 6, r = 6;
    auto res = sln.countSubMultisets(nums, l, r);
    Assert(1, res);
  }
  {
    Solution sln;
    nums = { 2, 1, 4, 2, 7 }, l = 1, r = 5;
    auto res = sln.countSubMultisets(nums, l, r);
    Assert(7, res);
  }
  {
    Solution sln;
    nums = { 1, 2, 1, 3, 5, 2 }, l = 3, r = 5;
    auto res = sln.countSubMultisets(nums, l, r);
    Assert(9, res);
  }
}


扩展阅读

视频课程

有效学习:明确的目标 及时的反馈 拉伸区(难度合适),可以先学简单的课程,请移步CSDN学院,听白银讲师(也就是鄙人)的讲解。

https://edu.csdn.net/course/detail/38771

如何你想快速形成战斗了,为老板分忧,请学习C#入职培训、C++入职培训等课程

https://edu.csdn.net/lecturer/6176

相关

下载

想高屋建瓴的学习算法,请下载《喜缺全书算法册》doc版

https://download.csdn.net/download/he_zhidan/88348653

我想对大家说的话
闻缺陷则喜是一个美好的愿望,早发现问题,早修改问题,给老板节约钱。
子墨子言之:事无终始,无务多业。也就是我们常说的专业的人做专业的事。
如果程序是一条龙,那算法就是他的是睛

测试环境

操作系统:win7 开发环境: VS2019 C++17

或者 操作系统:win10 开发环境: VS2022 C++17

如无特殊说明,本算法用**C++**实现。

相关文章
|
3月前
|
算法 测试技术 C++
【动态规划】【前缀和】【数学】2338. 统计理想数组的数目
【动态规划】【前缀和】【数学】2338. 统计理想数组的数目
|
3月前
|
人工智能 移动开发 算法
【动态规划】【C++算法】LeetCoce996正方形数组的数目
【动态规划】【C++算法】LeetCoce996正方形数组的数目
|
3月前
|
算法 测试技术 C++
【动态规划】【离线查询】【前缀和】689. 三个无重叠子数组的最大和
【动态规划】【离线查询】【前缀和】689. 三个无重叠子数组的最大和
|
3月前
|
机器学习/深度学习 算法 测试技术
【动态规划】【子数组划分】【前缀和】1977. 划分数字的方案数
【动态规划】【子数组划分】【前缀和】1977. 划分数字的方案数
|
3月前
|
测试技术
【动态规划】【组合数学】1866. 恰有 K 根木棍可以看到的排列数目
【动态规划】【组合数学】1866. 恰有 K 根木棍可以看到的排列数目
|
3天前
|
算法 测试技术 C++
【动态规划 区间dp 位运算】3117. 划分数组得到最小的值之和
【动态规划 区间dp 位运算】3117. 划分数组得到最小的值之和
【动态规划 区间dp 位运算】3117. 划分数组得到最小的值之和
|
1月前
|
算法 测试技术 C#
【动态规划】【数论】【区间合并】3041. 修改数组后最大化数组中的连续元素数目
【动态规划】【数论】【区间合并】3041. 修改数组后最大化数组中的连续元素数目
|
3月前
|
算法 测试技术 C++
【组合数学】【动态规划】【前缀和】1735生成乘积数组的方案数
【组合数学】【动态规划】【前缀和】1735生成乘积数组的方案数
|
4月前
代码随想录Day30 贪心05 LeetCode T435无重叠区间 T763划分字母区间 T56 合并区间
代码随想录Day30 贪心05 LeetCode T435无重叠区间 T763划分字母区间 T56 合并区间
31 0
|
4月前
|
存储 算法
算法题解-组合总和3
算法题解-组合总和3