【算法日志】动态规划刷题:01背包问题,多重背包问题(day37,day38)

这篇具有很好参考价值的文章主要介绍了【算法日志】动态规划刷题:01背包问题,多重背包问题(day37,day38)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

代码随想录刷题60Day


目录

前言

目标和(01背包)

一和零(01背包)

零钱兑换(多重背包)

排列总和(多重背包)


前言

这两天都是背包问题,其中的01背包的一些应用问题需要一定的数学建模能力,需要i将实际问题简化成我们熟悉的背包问题;而这两天的多重背包问题还算比较基础,但也要我明白了动态规划中dp数组遍历顺序的重要性与决定性。


目标和(01背包)

【算法日志】动态规划刷题:01背包问题,多重背包问题(day37,day38),算法,动态规划,leetcode

	int findTargetSumWays(vector<int>& nums, int& S)
	{
		int sum = 0;
		const int size = nums.size();
		for (int i = 0; i < size; ++i)
			sum += nums[i];
		if (sum < abs(S))
			return 0;
		if (S < 0)
			S *= -1;
		if ((S + sum) & 1)return 0;
		int target = (S + sum) / 2;
		vector<int> dp(target + 1, 0);
		dp[0] = 1;
		for (int i = 0; i < nums.size(); ++i)
		{
			for (int j = target; j >= nums[i]; --j)
			{
				dp[j] += dp[j - nums[i]];
			}
		}
		return dp[target];
	}

一和零(01背包)

【算法日志】动态规划刷题:01背包问题,多重背包问题(day37,day38),算法,动态规划,leetcode

 

	int findMaxForm(vector<string>& strs, int m, int n) 
	{
		vector<vector<int>> nums;
		for (int i = 0; i < strs.size(); ++i)
		{
			if (strs[i].size() > (m + n))continue;
			int zero = 0;
			int one = 0;
			for (int j = 0; j < strs[i].size(); ++j)
				if (strs[i][j] == '0')
					++zero;
				else
					++one;
			if (zero <= m && one <= n)
				nums.push_back({ zero, one });	
		}
		vector<vector<int>> dp(n + 1, vector<int>(m + 1, 0));
		for (int i = 0; i < nums.size(); ++i)
		{
			int cZero = nums[i][0], cOne = nums[i][1];
			for (int j = n; j >= cOne; --j)
				for (int k = m; k >= cZero; --k)
					dp[j][k] = max(dp[j][k], dp[j - cOne][k - cZero] + 1);
		}
		return dp[n][m];
	}

零钱兑换(多重背包)

【算法日志】动态规划刷题:01背包问题,多重背包问题(day37,day38),算法,动态规划,leetcode

	int change(int amount, vector<int>& coins)
	{
		const int size = coins.size();
		vector<int> dp(amount + 1, 0);
		dp[0] = 1;
		for (int i = 0; i < size; ++i)
			for (int j = coins[i]; j <= amount; ++j)
				dp[j] += dp[j - coins[i]];
		return dp[amount];
	}

排列总和(多重背包)

【算法日志】动态规划刷题:01背包问题,多重背包问题(day37,day38),算法,动态规划,leetcode文章来源地址https://www.toymoban.com/news/detail-670594.html

int combinationSum4(vector<int>& nums, int target)
	{
		const int size = nums.size();
		vector<int> dp(target + 1, 0);
		dp[0] = 1;
		for (int i = 0; i <= target; ++i)
			for (int j = 0; j < size; ++j)
			{
				if (nums[j] <= i && (dp[i] < INT_MAX - dp[i - nums[j]]))
					dp[i] += dp[i - nums[j]];
			}
		return dp[target];
	}

到了这里,关于【算法日志】动态规划刷题:01背包问题,多重背包问题(day37,day38)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 动态规划01背包问题-代码随想录-刷题笔记

    有n件物品和一个最多能背重量为w 的背包。第i件物品的重量是weight[i],得到的价值是value[i] 。 每件物品只能用一次 ,求解将哪些物品装入背包里物品价值总和最大。 二维dp数组01背包 确定dp数组以及下标的含义 是使用二维数组,即 dp[i][j] 表示从下标为[0-i]的物品里任意取,

    2024年02月07日
    浏览(30)
  • 算法系列--动态规划--背包问题(1)--01背包介绍

    💕\\\"趁着年轻,做一些比较cool的事情\\\"💕 作者:Lvzi 文章主要内容:算法系列–动态规划–背包问题(1)–01背包介绍 大家好,今天为大家带来的是 算法系列--动态规划--背包问题(1)--01背包介绍 背包问题是动态规划中经典的一类问题,经常在笔试面试中出现,是非常 具有区分度 的题

    2024年04月16日
    浏览(31)
  • 力扣刷题-动态规划算法3:完全背包问题

    问题描述: 1)有N件物品和一个最多能背重量为W的背包。第i件物品的重量是weight[i],得到的价值是value[i] 。 2) 每件物品都有无限个(也就是可以放入背包多次) (比0-1背包多出的条件) 3) 求解将哪些物品装入背包里物品价值总和最大。 求解步骤: 1)首先遍历物品,然

    2023年04月13日
    浏览(40)
  • 算法学习17-动态规划01:背包问题

    提示:以下是本篇文章正文内容: 提示:这里对文章进行总结: 💕💕💕

    2024年04月27日
    浏览(31)
  • 完全背包&多重背包问题(动态规划)

    完全背包问题: 每个物品使用次数没有限制,与0-1背包的不同之处在于 遍历背包的顺序 是正序。 多重背包问题: 与完全背包的区别在于,每一种物品是有个数限制的,不能无限选择。这篇博客讲解的非常详细,可以参考学习: 多重背包问题---超详细讲解+优化(不懂你揍我

    2024年04月10日
    浏览(34)
  • 【动态规划】01背包问题——算法设计与分析

    若超市允许顾客使用一个体积大小为13的背包,选择一件或多件商品带走,则如何选择可以使得收益最高? 商品 价格 体积 啤酒 24 10 汽水 2 3 饼干 9 4 面包 10 5 牛奶 9 4 0-1 Knapsack Problem 输入: quad - n n n 个商品组成集合 O O O ,每个商品有属性价格 p i p_i p i ​ 和体积 v i v_i v

    2024年02月04日
    浏览(47)
  • 算法分析与设计——动态规划求解01背包问题

    假设有四个物品,如下图,背包总容量为8,求背包装入哪些物品时累计的价值最多。 我们使用动态规划来解决这个问题,首先使用一个表格来模拟整个算法的过程。 表格中的信息表示 指定情况下能产生的最大价值 。例如, (4, 8)表示在背包容量为8的情况下,前四个物品的最

    2024年02月04日
    浏览(42)
  • 【Java实现】动态规划算法解决01背包问题

    1、问题描述: 一个旅行者有一个最多能装m公斤的背包,现在有n中物品,每件的重量分别是W1、W2、……、Wn,每件物品的价值分别为C1、C2、……、Cn, 需要将物品放入背包中,要怎么样放才能保证背包中物品的总价值最大? 2、动态规划算法的概述 1)动态规划(Dynamic Progra

    2023年04月09日
    浏览(32)
  • 动态规划DP之背包问题3---多重背包问题

    目录 DP分析: 优化:  二进制优化 例题:         01背包是每个物品只有一个,完全背包问题是每个物品有无限个。         那么多重背包问题就是 每个物品有有限个 。 有 N 种物品和一个容量是 V 的背包。 第 i 种物品最多有 si 件,每件体积是 vi,价值是 wi。 求解

    2024年03月20日
    浏览(33)
  • 算法套路十四——动态规划之背包问题:01背包、完全背包及各种变形

    如果对递归、记忆化搜索及动态规划的概念与关系不太理解,可以前往阅读算法套路十三——动态规划DP入门 背包DP介绍:https://oi-wiki.org/dp/knapsack/ 0-1背包:有n个物品,第i个物品的体积为w[i],价值为v[i],每个物品至多选一个, 求体积和不超过capacity时的最大价值和,其中i从

    2024年02月10日
    浏览(37)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包