算法系列--动态规划--背包问题(2)--01背包拓展题目(下)

简介: 算法系列--动态规划--背包问题(2)--01背包拓展题目(下)

算法系列--动态规划--背包问题(2)--01背包拓展题目(上)

https://developer.aliyun.com/article/1480847?spm=a2c6h.13148508.setting.14.5f4e4f0ehtknjw

💕"2024.3.28小米汽车发布"💕

作者:Lvzi

文章主要内容:算法系列–动态规划–背包问题(2)–01背包拓展题目

大家好,今天为大家带来的是算法系列--动态规划--背包问题(2)--01背包拓展题目

  1. 状态表示:
  • dp[i][j] :nums在[1,i]区间数字,和为j的最大组合数
  1. 状态转移方程
  • 和经典的背包问题一样,也是根据最后一个位置选或不选来推导状态转移方程,要注意的是,本题求的是最大组合数,也就是dp[i][j]应该是两种情况的总和
  1. 初始化
  • 初始化主要考虑第一行和第一列
  1. 填表顺序
  • 从左往右,从上往下
  1. 返回值
  • dp[n][a]

代码:

class Solution {
    public int findTargetSumWays(int[] nums, int target) {
        int a = 0, sum = 0;
        for(int n : nums) sum += n;// 求和
        a = (target + sum) / 2;// 计算目标值
        if(a < 0 || (sum + target) % 2 == 1) return 0;
        // 创建dp表
        int n = nums.length;
        int[][] dp = new int[n + 1][a + 1];
        dp[0][0] = 1;
        // 填表
        for(int i = 1; i <= n; i++) {
            for(int j = 0; j <= a; j++) {
                dp[i][j] = dp[i - 1][j];
                if(j - nums[i - 1] >= 0)
                    dp[i][j] += dp[i - 1][j - nums[i - 1]];
            }
        }
        return dp[n][a];
    }
}

空间优化后的代码

class Solution {
    public int findTargetSumWays(int[] nums, int target) {
        int a = 0, sum = 0;
        for(int n : nums) sum += n;// 求和
        a = (target + sum) / 2;// 计算目标值
        if(a < 0 || (sum + target) % 2 == 1) return 0;
        // 创建dp表
        int n = nums.length;
        int[] dp = new int[a + 1];
        dp[0] = 1;
        // 填表
        for(int i = 1; i <= n; i++)
            for(int j = a; j >= nums[i - 1]; j--)// 注意优化后的便利顺序
                dp[j] += dp[j - nums[i - 1]];
        return dp[a];
    }
}

第一行不初始化,放到填表之中,也是背包问题常用的一种优化手段

3.最后⼀块⽯头的重量II

链接:

https://leetcode.cn/problems/last-stone-weight-ii/description/

分析:

本题的难点就在于转化,光看数字无法得出什么有效的结论,我们将数字换为字母,看能得出什么结论:

最后发现整个问题的思路很像目标和那道题目(就在上面),但是目标和那道题目最终求的是一个具体数字,本题要求的是最后的值的绝对值尽可能的小,还是套用和目标和一样的分析思路,整个数组的和是sum,可以根据匹配的符号不同分为两部分a,b

假设a>b,则求得就是a-b的最小值,对于数组中的每一个数都是选或不选,这就是01背包问题的特征,可以使用01背包问题的思路解决

状态表示:

  • dp[i][j]:在[1,i]区间内,选取一定的数字,在不超过j的前提下,可以实现的最大和

状态转移方程和初始化都比较简单,这里不再赘述

返回值:

  • 最终返回的应该是a-b的最小值a = dp[n][sum/2],那么b = sum - a,所以最终应该返回sum - 2 * dp[n][sum/2]
class Solution {
    public int lastStoneWeightII(int[] stones) {
        int n = stones.length, sum = 0;
        for(int x : stones) sum += x;
        int[][] dp = new int[n + 1][sum/2 + 1];// 创建dp表
        // 填表
        for(int i = 1; i <= n; i++) {
            for(int j = 0; j <= sum/2; j++) {
                dp[i][j] = dp[i - 1][j];
                if(j - stones[i - 1] >= 0)
                    dp[i][j] = Math.max(dp[i][j],dp[i - 1][j - stones[i - 1]] + stones[i - 1]);
            }
        }
        return sum - 2 * dp[n][sum/2];// 返回(a-b)绝对值的最小值
    }
}

空间优化后的代码:

class Solution {
    public int lastStoneWeightII(int[] stones) {
        int n = stones.length, sum = 0;
        for(int x : stones) sum += x;
        
        int[] dp = new int[sum/2 + 1];// 创建dp表
        // 填表
        for(int i = 1; i <= n; i++)
            for(int j = sum/2; j >= stones[i-1]; j--) 
                dp[j] = Math.max(dp[j],dp[j - stones[i - 1]] + stones[i - 1]);
        return sum - 2 * dp[sum/2];// 返回(a-b)绝对值的最小值
    }
}

以上就是算法系列--动态规划--背包问题(2)--01背包拓展题目全部内容,下一篇文章将会带来完全背包问题的介绍,敬请期待,我是LvZi


目录
相关文章
|
21天前
|
机器学习/深度学习 存储 算法
动态规划算法深度解析:0-1背包问题
0-1背包问题是经典的组合优化问题,目标是在给定物品重量和价值及背包容量限制下,选取物品使得总价值最大化且每个物品仅能被选一次。该问题通常采用动态规划方法解决,通过构建二维状态表dp[i][j]记录前i个物品在容量j时的最大价值,利用状态转移方程避免重复计算子问题,从而高效求解最优解。
244 1
|
21天前
|
算法 搜索推荐 Java
贪心算法:部分背包问题深度解析
该Java代码基于贪心算法求解分数背包问题,通过按单位价值降序排序,优先装入高价值物品,并支持部分装入。核心包括冒泡排序优化、分阶段装入策略及精度控制,体现贪心选择性质,适用于可分割资源的最优化场景。
148 1
贪心算法:部分背包问题深度解析
|
8月前
|
存储 算法 Java
算法系列之动态规划
动态规划(Dynamic Programming,简称DP)是一种用于解决复杂问题的算法设计技术。它通过将问题分解为更小的子问题,并存储这些子问题的解来避免重复计算,从而提高算法的效率。
269 4
算法系列之动态规划
|
8月前
|
算法 安全 调度
【动态规划篇】穿越算法迷雾:约瑟夫环问题的奇幻密码
【动态规划篇】穿越算法迷雾:约瑟夫环问题的奇幻密码
|
13天前
|
存储 编解码 算法
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
|
15天前
|
传感器 机器学习/深度学习 算法
【使用 DSP 滤波器加速速度和位移】使用信号处理算法过滤加速度数据并将其转换为速度和位移研究(Matlab代码实现)
【使用 DSP 滤波器加速速度和位移】使用信号处理算法过滤加速度数据并将其转换为速度和位移研究(Matlab代码实现)
103 1
|
14天前
|
传感器 机器学习/深度学习 算法
【UASNs、AUV】无人机自主水下传感网络中遗传算法的路径规划问题研究(Matlab代码实现)
【UASNs、AUV】无人机自主水下传感网络中遗传算法的路径规划问题研究(Matlab代码实现)
|
13天前
|
机器学习/深度学习 传感器 算法
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
111 14
|
17天前
|
传感器 算法 数据挖掘
基于协方差交叉(CI)的多传感器融合算法matlab仿真,对比单传感器和SCC融合
基于协方差交叉(CI)的多传感器融合算法,通过MATLAB仿真对比单传感器、SCC与CI融合在位置/速度估计误差(RMSE)及等概率椭圆上的性能。采用MATLAB2022A实现,结果表明CI融合在未知相关性下仍具鲁棒性,有效降低估计误差。
133 15
|
13天前
|
机器学习/深度学习 运维 算法
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)

热门文章

最新文章