Day41——Dp专题
文章目录
- 四、完全背包
- 01背包的核心代码
- 完全背包的核心代码
- 12、零钱兑换 II
- 13、组合总和 Ⅳ
- 14、 爬楼梯(进阶版)
- 15.零钱兑换
- 16.完全平方数
- 17.单词拆分
四、完全背包
完全背包:每一个物品可以选无限次
完全背包和01背包问题唯一不同的地方就是,每种物品有无限件
01背包的核心代码
for(int i = 0; i < weight.size(); i++) { // 遍历物品for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);}
}
我们知道01背包内嵌的循环是从大到小遍历,为了保证每个物品仅被添加一次。
而完全背包的物品是可以添加多次的,所以要从小到大去遍历,即:
完全背包的核心代码
// 先遍历物品,再遍历背包
for(int i = 0; i < weight.size(); i++) { // 遍历物品for(int j = weight[i]; j <= bagWeight ; j++) { // 遍历背包容量dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);}
}
- 在一维数组中,01背包问题必须先遍历物品,后遍历背包。完全背包两个for循环嵌套顺序是无所谓的
- 在一维数组中,01背包问题遍历背包时必须倒序遍历。完全背包正序遍历
- 倒序遍历,必须先遍历物品,再遍历背包。正序遍历,则for循环嵌套顺序无所谓
Code
//先遍历物品,再遍历背包
private static void testCompletePack(){int[] weight = {1, 3, 4};int[] value = {15, 20, 30};int bagWeight = 4;int[] dp = new int[bagWeight + 1];for (int i = 0; i < weight.length; i++){ // 遍历物品for (int j = weight[i]; j <= bagWeight; j++){ // 遍历背包容量dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);}}for (int maxValue : dp){System.out.println(maxValue + " ");}
}//先遍历背包,再遍历物品
private static void testCompletePackAnotherWay(){int[] weight = {1, 3, 4};int[] value = {15, 20, 30};int bagWeight = 4;int[] dp = new int[bagWeight + 1];for (int i = 1; i <= bagWeight; i++){ // 遍历背包容量for (int j = 0; j < weight.length; j++){ // 遍历物品if (i - weight[j] >= 0){dp[i] = Math.max(dp[i], dp[i - weight[j]] + value[j]);}}}for (int maxValue : dp){System.out.println(maxValue + " ");}
}
12、零钱兑换 II
力扣题目链接
- 组合不强调元素之间的顺序,排列强调元素之间的顺序
思路:
动规五部曲
- 确定dp数组以及下标的含义
dp[j]:凑成总金额j的货币组合数为dp[j]
- 确定递推公式
dp[j] 就是所有的dp[j - coins[i]](考虑coins[i]的情况)相加。
所以递推公式:dp[j] += dp[j - coins[i]];
- dp数组初始化
首先dp[0]一定要为1,dp[0] = 1是 递归公式的基础,下标非0的dp[j]初始化为0,这样累计加dp[j - coins[i]]的时候才不会影响真正的dp[j]
- 确定遍历顺序
求组合数,先遍历物品,再遍历背包
for (int i = 0; i < coins.size(); i++) { // 遍历物品for (int j = coins[i]; j <= amount; j++) { // 遍历背包容量dp[j] += dp[j - coins[i]];}
}
求排列数,先遍历背包,再遍历物品
for (int j = 0; j <= amount; j++) { // 遍历背包容量for (int i = 0; i < coins.size(); i++) { // 遍历物品if (j - coins[i] >= 0) dp[j] += dp[j - coins[i]];}
}
- 举例推导dp数组
如果求组合数就是外层for循环遍历物品,内层for遍历背包。
如果求排列数就是外层for遍历背包,内层for循环遍历物品。
Code
class Solution {public int change(int amount, int[] coins) {//递推表达式int[] dp = new int[amount + 1];//初始化dp数组,表示金额为0时只有一种情况,也就是什么都不装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];}
}
13、组合总和 Ⅳ
力扣题目链接
本题与零钱兑换差别就在于物品和背包的遍历顺序
动规五部曲
- 确定dp数组以及下标的含义
dp[i]: 凑成目标正整数为i的排列个数为dp[i]
- 确定递推公式
dp[i] += dp[i - nums[j]];
- dp数组如何初始化
dp[0] = 1
- 确定遍历顺序
如果求组合数就是外层for循环遍历物品,内层for遍历背包。
如果求排列数就是外层for遍历背包,内层for循环遍历物品。
遍历顺序:target(背包)放在外循环,将nums(物品)放在内循环,内循环从前到后遍历。
- 举例推导dp数组
Code
class Solution {public int combinationSum4(int[] nums, int target) {int[] dp = new int[target + 1];dp[0] = 1;for (int i = 0; i <= target; i++) {for (int j = 0; j < nums.length; j++) {if (i >= nums[j]) {dp[i] += dp[i - nums[j]];}}}return dp[target];}
}
14、 爬楼梯(进阶版)
力扣题目链接
题目改为:一步一个台阶,两个台阶,三个台阶,…,直到 m个台阶。问有多少种不同的方法可以爬到楼顶呢?
思路:
动规五部曲:
- 确定dp数组以及下标的含义
dp[i]:爬到有i个台阶的楼顶,有dp[i]种方法。
- 确定递推公式
本题呢,dp[i]有几种来源,dp[i - 1],dp[i - 2],dp[i - 3] 等等,即:dp[i - j]
那么递推公式为:dp[i] += dp[i - j]
- dp数组初始化
既然递归公式是 dp[i] += dp[i - j],那么dp[0] 一定为1,dp[0]是递归中一切数值的基础所在,如果dp[0]是0的话,其他数值都是0了。
下标非0的dp[i]初始化为0,因为dp[i]是靠dp[i-j]累计上来的,dp[i]本身为0这样才不会影响结果
- 确定遍历顺序
这是背包里求排列问题,即:1、2 步 和 2、1 步都是上三个台阶,但是这两种方法不一样!
所以需将背包放在外循环,而物品放在内循环。
- 举例并推导dp数组
总结
本题看起来是一道简单题目,稍稍进阶一下其实就是一个完全背包!
如果我来面试的话,我就会先给候选人出一个 本题原题,看其表现,如果顺利写出来,进而在要求每次可以爬[1 - m]个台阶应该怎么写。
顺便再考察一下两个for循环的嵌套顺序,为什么target放外面,nums放里面。
这就能考察对背包问题本质的掌握程度,候选人是不是刷题背公式,一眼就看出来了。
这么一连套下来,如果候选人都能答出来,相信任何一位面试官都是非常满意的。
本题代码不长,题目也很普通,但稍稍一进阶就可以考察完全背包,而且题目进阶的内容在leetcode上并没有原题,一定程度上就可以排除掉刷题党了,简直是面试题目的绝佳选择!
Code
爬楼梯
class Solution {public int climbStairs(int n) {int[] dp = new int[n + 1];int[] weight = {1,2};dp[0] = 1;for (int i = 0; i <= n; i++) {for (int j = 0; j < weight.length; j++) {if (i >= weight[j]) dp[i] += dp[i - weight[j]];}}return dp[n];}
}
爬楼梯(进阶版)
class Solution {public int combinationSum4(int[] nums, int target) {int[] dp = new int[target + 1];dp[0] = 1;for (int i = 0; i <= target; i++) {for (int j = 0; j < nums.length; j++) {if (i >= nums[j]) {dp[i] += dp[i - nums[j]];}}}return dp[target];}
}
15.零钱兑换
力扣题目链接
思路
动规五部曲
- 确定dp数组以及下标的含义
dp[j]:凑足总额为j所需钱币的最少个数为dp[j]
- 确定递推公式
凑足总额为j - coins[i]的最少个数为dp[j - coins[i]],那么只需要加上一个钱币coins[i]即dp[j - coins[i]] + 1就是dp[j](考虑coins[i])
所以dp[j] 要取所有 dp[j - coins[i]] + 1 中最小的。
递推公式:dp[j] = min(dp[j - coins[i]] + 1, dp[j]);
- dp数组如何初始化
dp[0] = 0;
其他下标对应的数值呢?
考虑到递推公式的特性,dp[j]必须初始化为一个最大的数,否则就会在min(dp[j - coins[i]] + 1, dp[j])比较的过程中被初始值覆盖。
所以下标非0的元素都是应该是最大值。
- 确定遍历顺序
所以本题并不强调集合是组合还是排列。
如果求组合数就是外层for循环遍历物品,内层for遍历背包。
如果求排列数就是外层for遍历背包,内层for循环遍历物品。
遍历顺序不做要求,但我们采用物品放外层,背包放内层。
- 举例推导dp数组
dp[amount]为最终结果。
Code
class Solution {public int coinChange(int[] coins, int amount) {int max = Integer.MAX_VALUE;int[] dp = new int[amount + 1];Arrays.fill(dp,max);dp[0] = 0;for(int i : coins){for(int j = i; j <= amount; j++){if(dp[j - i] != max){dp[j] = Math.min(dp[j], dp[j - i] + 1);}}}return dp[amount] == max ? -1 : dp[amount];}
}
16.完全平方数
力扣题目链接
思路
动规五部曲
- 确定dp数组以及下标的含义
dp[j]:和为j的完全平方数的最少数量为dp[j]
- 确定递推公式
dp[j] = min(dp[j - i * i] + 1, dp[j]);
- dp数组初始化
dp[0]表示 和为0的完全平方数的最小数量,那么dp[0]一定是0
从递归公式dp[j] = min(dp[j - i * i] + 1, dp[j]);中可以看出每次dp[j]都要选最小的,所以非0下标的dp[j]一定要初始为最大值,这样dp[j]在递推的时候才不会被初始值覆盖。
- 确定遍历顺序
本题外层for遍历背包,内层for遍历物品,还是外层for遍历物品,内层for遍历背包,都是可以的!
for (int i = 1; i * i <= n; i++) {// 遍历背包for (int j = i * i; j <= n; j++) {dp[j] = Math.min(dp[j], dp[j - i * i] + 1);}
- 举例并推导dp数组
Code
class Solution {public int numSquares(int n) {int max = Integer.MAX_VALUE;int[] dp = new int[n + 1];Arrays.fill(dp,max);dp[0] = 0;// 遍历物品for (int i = 1; i * i <= n; i++) {// 遍历背包for (int j = i * i; j <= n; j++) {dp[j] = Math.min(dp[j], dp[j - i * i] + 1);}}return dp[n];}
}
17.单词拆分
力扣题目链接
思路
动规五部曲
- 确定dp数组以及下标的含义
dp[i] : 字符串长度为i的话,dp[i]为true,表示可以拆分为一个或多个在字典中出现的单词。
- 确定递推公式
如果确定dp[j] 是true,且 [j, i] 这个区间的子串出现在字典里,那么dp[i]一定是true。(j < i )。
所以递推公式是 if([j, i] 这个区间的子串出现在字典里 && dp[j]是true) 那么 dp[i] = true。
- dp数组如何初始化
dp[0]一定要为true,下标非0的dp[i]初始化为false
- 确定遍历顺序
本题求排列数,排列数就是外层for遍历背包,内层for循环遍历物品。
- 举例推导dp数组
dp[s.size()]就是最终结果。
Code
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 <= s.length(); i++) {for (String word : wordDict) {int len = word.length();if (i >= len && dp[i - len] && word.equals(s.substring(i - len, i))) {dp[i] = true;break;}}}return dp[s.length()];}
}
Day41——Dp专题相关推荐
- DP专题考试总结(4)
最近努力学(tui)习(fei)了DP专题,然后考试又挂了,然后就没有然后了. 对此,我只想说-- 吾每念,常痛于骨髓,顾计不知所出耳! 广场铺砖问题 期望得分:40 实际得分:10 Descript ...
- DP专题考试总结(2)
最近努力学(tui)习(fei)了DP专题,然后就被烤焦了,然后就没有然后了. 对此,我只想说-- DP made me Boom-Sha-Ka-La-Ka 加分二叉树 期望得分:0 实际得分:0 D ...
- UVa在线比赛单题汇总-----DP专题
动态规划基础 例题 LA 3882 UVa 3882 - And Then There Was One 递推------------无力orz UVa 10635 10635 - Prince and ...
- DP专题训练之HDU 1087 Super Jumping!
Description Nowadays, a kind of chess game called "Super Jumping! Jumping! Jumping!" is ve ...
- codeforces(牛客网dp专题,排序)
链接:https://ac.nowcoder.com/acm/problem/21314 来源:牛客网 牛牛正在打一场CF 比赛时间为T分钟,有N道题,可以在比赛时间内的任意时间提交代码 第i道题的分 ...
- 牛客网dp专题 数位dp
文章目录 数位dp 例题: NC116652 uva11038 How many 0's NC15035 送分了QAQ NC20669 诡异数字 NC20665 7的意志 NC17385 Beauti ...
- HDOJ树形DP专题之Centroid
题目链接 这题跟Balance Act那题差不多,求图的质点.我直接将那题改了一下提交,结果PE了一次,又WA了一次,最后发现是单case,多case的提交为什么WA呢? View Code 1 #i ...
- 多重背包(dp专题)
题目大意:输入n,代表有n种数,接下来n个数代表n种数,再接下来n个数代表每种数有多少个,在输入K,代表用这些数要加成的和 问你是否能加为K,能输出yes,不能输出no 这是一个典型的多重背包问题,可 ...
- 简单的dp(dp专题)
题目链接:https://vjudge.net/contest/216347#problem/C Alice gets two sequences A and B. A easy problem co ...
最新文章
- python批量重命名指定目录下所有文件的后缀名
- 『互联网架构』软件架构-spring源码之spring结构概述
- STM32堆和栈(Heap Stack)及SRAM存储使用
- 原生js实现preAll和nextAll方法
- django配置templates、static、media和连接mysql数据库
- html设置table表格的弧度,用CSS3和table标签实现一个圆形轨迹的动画的示例代码
- 【three.js】库
- nodejs nodemailer
- 初学者学习C++的50条忠告
- 读取 Excel 之 Epplus
- 程序员是如何一步一步被诈骗的?《原力计划-打卡挑战》第二周周榜揭晓
- docker 网桥冲突了解决
- 2017-2018-1 20155315 《信息安全系统设计基础》第11周学习总结
- 19范数理论及其应用
- php pdo连接oracle乱码,PHP编程:php pdo oracle中文乱码的快速解决方法
- 使用虹软SDK实现离线人脸识别(局域网)
- 哥德巴赫猜想python
- 【计算机组成原理】中央处理器总结——基本知识要点汇总
- 云原生安全之容器级网站防篡改
- 安卓内存监控工具,2021年Android面试心得,系列教学
热门文章
- 加权平均资本成本(Weighted Average Cost of Capital,WACC)
- 多台计算机使用一个硬盘,怎么实现多台电脑共用一块硬盘
- python3+selenium框架设计04-封装测试基类
- 我为什么要立刻放弃React而使用Vue?
- 给body设置背景图片,整个图片完整的充满屏幕
- start with connect by prior的使用方法
- 【刘文彬】【源码解读】EOS测试插件:txn_test_gen_plugin.cpp
- vertica MySQL_MySQL数据库之Vertica数据库的用法
- mysql 跨库插入_sql 跨库和域插入数据库
- 2020找工作更难了?做好这4方面,找到高薪好工作