• 动态规划学习总结


    动态规划学习总结

    普通的动态规划

    首先我这边给出动态规划的做题规范

    1. 找出dp[i]的定义是什么
    2. 找出dp[i]的推导公式
    3. 初始化一些参数

    01背包

    1. 二维数组表示01背包。这个很好理解
        public static void testweightbagproblem(int[] weight,int[] value,int bagsize){
            int dp_x = weight.length;// weight.length表示的是有几个物品对吗。weight+1是把0这个情况包含进去的
            int dp_y = bagsize+1;//y表示0-bagsize,也是把0这个情况包含进去了
    
            //dp[i][j]的意思是,从0~i的物品随便拿,背包容量为j,能拿到的最大的value值
            int[][] dp = new int[dp_x][dp_y];
    
            //初始值的赋予
            //当j = 0的时候,也就是当背包容量为0的时候,那你能拿到的value也是0
            for(int i = 0;i=weight[0])
                    dp[0][j] = value[0];
            }
    
    //        开始书写转移方程
            for(int i = 1;i= weight[i]){
                        int temp = dp[i-1][j-weight[i]] + value[i];
                        dp[i][j] = Math.max(dp[i-1][j],temp);
                    }else{
                        dp[i][j] = dp[i-1][j];
                    }
                }
            }
    
            for(int x = 0;x
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36

    core point:
    1. 抓住dp[i][j]的定义。表示 0~i号物品任选,背包容量为j的情况下,能够拿到价值最大的情况。
    2. dp_x表示物品的多少,就是weight数组的宽度
    3. dp_y表示背包容量。dy = bagsize+1。包含了容量为0的情况(为后续的转移方程做铺垫)
    4. dp[i-1][j-weight[i]]的实际意义是0~i-1的物品任选,背包容量为j-weight[I]的情况下能选择的价值最大的情况。(为什么要用j-weight[i],因为下一步就是weight[j])
    5. 转移方程dp[i][j] = max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i])

    1. 一维数组表示01背包
        public static void testweightbagproblem(int[] weight,int[] value,int bagsize){
            int[] dp = new int[bagsize+1];//定义一维的 0 1背包
            dp[0] = 0;
            for(int i = 0;i=weight[i];j--){
                    if(j>=weight[i]){
                        dp[j] = Math.max(dp[j],dp[j-weight[i]]+value[i]);
                    }
                }
                for (int x = 0;x
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16

    core point
    1. 从二位数组表示01背包的转移方程中,我们可以看出dp[i]的情况只和dp[i-1]有关。那么直接使用一维数组,每次在dp[i-1]的基础上修改,表达01背包即可。(这个思想很重要)
    2. for(int i = dp.length-1;j>weight[i];j–) 首先要从后往前遍历。从二维数组表示01背包就能看出更新是和dp[i-1]和dp[i][j-weight[i]]有关的。不能让前面的更新影响后面的,但是后面是不影响前面的,所以从后往前遍历。
    3. j>=weight[i],因为j是递减的,所以只要这么写就行,(只能这么写,因为这个防止了数组越界情况)。
    4. 当前的dp[i]表示dp[i-1]体会这个思想好吧
    5. 其实本质上就是那外层的i一次一次的刷dp[],一次一次的更新dp[]。我们本质上是想获得A二维数组的最下面一行。那么现在直接给你最下面的一行。

    其实可以手推一下,或者把一维数组表示01背包的情况每一次的迭代情况输出,你会发现迭代的情况其实就是二维数组

    416.分割等和子集

    捏妈,真的有人在第一眼看到这个题目就能往01背包上面转吗,太牛了吧,通过这道题,我发现01背包难的点在于

    1. 把问题转换成01背包
    2. 定义weight数组和value数组
        /**
            这题的难度还是在如何把这个问题转换成01背包的问题。
            1. 如果存在两个可分割的子集,那么这个集合的和一定是偶数
            2. 如果存在可分割的子集,那么一定存在这个子集的和为sum/2
            3. 如果定义一个容量为sum/2的背包,如果存在可分割子集,一定能填充满这个子集
            4. 我把nums[i]当成value,把sum/2当做容量。一定存在num[0]~num[i]之和等于sum/2(用最大去填补最大)
         */
        public boolean canPartition(int[] nums) {
            if(nums == null || nums.length == 0) return false;
            int sum = 0;
            for(int n:nums) sum+=n;
            if(sum % 2 !=0) return false;
    
            int target = sum / 2;
            int[] dp = new int[target+1];
    
            dp[0] = 0;//容量为0的bagpack能拿的价值为0
            for(int i = 0;i=nums[i];j--){
                    dp[j] = Math.max(dp[j],dp[j-nums[i]]+nums[i]);
                }
    //            for(int x = 0;x

1049 最后一块石头的重量

我是笨比我是笨比我是笨比重要的事情说三遍
不会举一反三啊!!!啊啊啊啊啊很烦啊

    public int lastStoneWeightII(int[] stones) {
        if(stones == null || stones.length == 0) return 0;
        int sum = 0;
        for(int s:stones) sum+=s;
        int target = sum/2;

        int[] dp = new int[target + 1];
        dp[0] = 0;

        for(int i = 0;i=stones[i];j--){
                dp[j] = Math.max(dp[j],dp[j-stones[i]] + stones[i]);
            }
        }
        return sum - 2*dp[dp.length-1];
    }
    /**
    我是真的,笨比笨比笨比笨比笨比
    就是我的脑子转不过来弯来的,我无语了
    直接把问题转换成==》把stones分成两堆重量最接近的石头子集就能达到要求
    所以问题又变成了划分两堆相同子集
     */
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  1. 目标和
    这题是01背包,核心的原因是,所有数字只能使用一次。所以他内层的遍历顺序是从大到小,就是为了防止有被多次使用的可能。但是因为求次数,所以,还是采用了累加。下面这一题相反。
  2. 零钱兑换 II
  • 相关阅读:
    【SpringBoot】静态资源导入探究
    程序、进程与线程
    【Java】Spring scruity 简单上手
    数据库设计规范
    Global Mapper栅格计算器,波段计算NDVI、NDSI、NDWI等
    在不安全的集群上启用 Elasticsearch Xpack 安全性
    故障振动频谱
    MIUI13和MIUI12的录音存储位置
    uniapp:tabBar点击后设置动画效果
    Python常用库(六):科学计算库-Numpy[上篇]:创建、访问、赋值
  • 原文地址:https://blog.csdn.net/qq_36309174/article/details/123579948