代码随想录第46天|139.单词拆分 多重背包理论基础 背包总结

单词拆分

3在这里插入图片描述

思路:

在这里插入图片描述
在这里插入图片描述

代码

class Solution {
    public boolean wordBreak(String s, List<String> wordDict) {
        HashSet<String> set = new HashSet<>(wordDict);
        boolean[] dp=new boolean[s.length()+1];
        dp[0]=true;
        //先背包体积再物品
        for(int j=1;j<=s.length();j++){
            for(int i=0;i<j;i++){
                if(dp[i]==true&&set.contains(s.substring(i,j))){
                    dp[j]=true;
                    break;//快一点
                }
            }
        }
        return dp[s.length()];
    }
}

多重背包≈0-1背包

在这里插入图片描述
在这里插入图片描述

题目

在这里插入图片描述

代码

import java.util.*;
public class Main{
    public static void main(String[] args){
        Scanner sc=new Scanner(System.in);
        // int 
        while(sc.hasNextInt()){
            int c = sc.nextInt();
            int n = sc.nextInt();
            int[] weight = new int[n];
            int[] value = new int[n];
            int[] numbers = new int[n];
            for (int i = 0;i < n;i++) {
                weight[i] = sc.nextInt();
            }
            for (int i = 0;i < n;i++) {
                value[i] = sc.nextInt();
            }
            for (int i = 0;i < n;i++) {
                numbers[i] = sc.nextInt();
            }
            int[] dp=new int[c+1];
            for(int i=0;i<n;i++){
                for(int j=c;j>=weight[i];j--){
                // 每个i物品的循环都考虑k个
                    for(int k=1;k<=numbers[i]&&(j-k*weight[i])>=0;k++){
                        dp[j]=Math.max(dp[j],dp[j-k*weight[i]]+k*value[i]);
                    }
                }
            }
            System.out.println(dp[c]);
            
        }
    }
}

背包总结

代码随想录背包总结

代码随想录中关于背包问题的内容较为全面,涵盖了 01 背包、完全背包多重背包等问题,下面是对这些内容的详细介绍: ### 01 背包问题 - **二维 dp 数组解法**:包括 dp 数组含义、初始化、递推公式和遍历顺序等方面的讲解。如 dp 数组 `dp[i][j]` 表示将下标小于等于 `i` 的物品放入容量为 `j` 的背包中所能取得的最大价值。初始化时,对于第一行 `dp[0][j]`,当 `j < v[0]` 时,`dp[0][j] = 0`;当 `j >= v[0]` 时,`dp[0][j] = w[0]`。递推公式为当 `j < v[i]` 时,`dp[i][j] = dp[i - 1][j]`;当 `j >= v[i]` 时,`dp[i][j] = Math.max(dp[i - 1][j], w[i] + dp[i - 1][j - v[i]])`。遍历顺序是外循环遍历物品,内循环遍历背包容量 [^1][^2]。 - **一维 dp 数组优化**:同样涉及 dp 数组含义、初始化、递推公式和遍历顺序,不过遍历容量时需倒序遍历 [^1]。 - **相关题目**:416. 分割等和子集、1049. 最后一块石头的重量Ⅱ、494. 目标和、474. 一和零等,这些题目思路均为 01 背包问题,并给出了相应的二维和一维 dp 代码 [^1]。 ### 完全背包问题 - **与 01 背包比较**:涉及 dp 数组含义、初始化、递推公式和遍历顺序等内容 [^1]。 - **相关题目**:518. 零钱兑换Ⅱ、377. 组合总和Ⅳ、零钱兑换问题、279. 完全平方数、139. 单词拆分等,思路均为完全背包问题,并给出了相应代码 [^1]。 ### 多重背包问题 对多重背包问题进行了描述,包括状态定义、状态转移方程、迭代顺序、实现代码和注意事项等内容,还对 0/1 背包、完全背包多重背包三者进行了比较总结 [^1]。 ### 代码示例 以下是不用恰好装满的 01 背包计算顺序一的代码实现: ```java // 不用恰好装满的01背包 - 计算顺序1:外循环遍历物品,内循环遍历背包容量 / 一行一行计算 public int package01_1() { // dp[i][j]: 将下标小于等于 i 的物品放入容量为 j 的背包中所能取得的最大价值 int[][] dp = new int[n][V + 1]; // 初始化第一行: dp[0][0...j] for (int j = 0; j <= V; j++) { // dp[0][j]:在容量为j的背包中放物品0 if (j < v[0]) { dp[0][j] = 0; // 放不下物品0 } else { dp[0][j] = w[0]; // 能放下物品0 } } // 递推计算: 外循环遍历物品,内循环遍历背包容量 for (int i = 1; i < n; i++) { for (int j = 0; j <= V; j++) { // for(int j = V; j >= 0; j--)也可以 if (j < v[i]) { // 放不下物品i dp[i][j] = dp[i - 1][j]; } else { // 能放下物品i dp[i][j] = Math.max( dp[i - 1][j], // 不放入物品i w[i] + dp[i - 1][j - v[i]] // 放入物品i ); } } } // 返回结果 return dp[n - 1][V]; } ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值