代码随想录算法训练营 DAY 27 | 39.组合总和 40.组合总和 II 131.分割回文串

39.组合总和

39.组合总和

区别:同一个数字可以无限制重复被选取!

所以树形结构中,选择一个数,剩余集合也要带上选了的那个数!—下一层递归还是传i

剪枝:对数组排序,一进for循环就判断是否sum + candidates[i] > target,是就直接break

  • 全局变量:二维数组result 一维数组path
  1. 递归函数
void backtracking(candidate,target,sum,startIndex)
  1. 终止条件
if(sum > target) return;
if(sum == target) {  //找到了一个目标组合
	result.add(new ArrayList<>(path));
    return;
}
  1. 单层递归逻辑

这里的i就是数组的下标!candidate[i] 。startIndex从0开始!(代表下标)

进入下一层递归时传的还是i才能保证 本层使用了之后,下一层还要也要带上这个数

startIndex是当前层的最开始,backTracking传入的startIndex是死的,但是当前层还需要进行自己后续的for循环,所以得用i,因为I是不断++的

for(int i = startIndex; i < candidate.size(); i++) {
    path.add(candidate[i]);
    sum += candidate[i];
    backtracking(candidate,target,sum,i);  //注意下一层递归传的还是i
    path.remove(path.size()-1);
    sum -= candidate[i];
}
  1. 剪枝

本题如何剪枝?先对数组进行排序,一进for循环就先判断,如果本层的 sum + candidates[i])已经大于target,就可以直接结束for循环的遍历没必要进入下一层递归了,break出for循环(再往后累加只会更大)

  • 完整代码
class Solution {
    List<List<Integer>> result = new ArrayList<>();
    List<Integer> path = new ArrayList<>();
    public List<List<Integer>> combinationSum(int[] candidates, int target) {
        Arrays.sort(candidates);
        backtracking(candidates, target, 0, 0);
        return result;
    }

    void backtracking(int[] candidates, int target, int sum, int startIndex) {
        if(target == sum) {
            result.add(new ArrayList<>(path));
            return;
        }
        for(int i = startIndex; i < candidates.length; i++) {
            if(sum + candidates[i] > target) break;
            path.add(candidates[i]);
            sum += candidates[i];
            backtracking(candidates, target, sum, i);
            path.remove(path.size()-1);
            sum -= candidates[i];
        }
    }
}

40.组合总和 II

40.组合总和II

  • 区别:给的数组中有重复元素。比如[1,1,7] 我们要进行去重,不然会出现两个[1,7]!

怎么去重?在搜索的过程中去重。重复过的元素不能再用了

两个维度:树层去重,树枝去重 树枝去重是指组合中不能有一样的元素,是可以有的!我们要的是树层去重

需要一个数组used告诉我们哪个元素使用过,下标对应原数组,用过就变为1

先对数组排序,这样相同的元素就在一起了!第一个1搜索过了,第二个1就没必要去搜索了,直接跳过!

  • 具体是在for循环里,if(i>0 && nums[i]==nums[i-1] && used[i-1]==0) continue;跳过这个元素往后取

used[i-1]=0说明前一个和它相等的元素没有被用过,此时是树层去重!否则就是两个[1,7]了。(used[i-1]=1为什么不行?这样就是两个都用的情况,[1,1,7])

  • 或者:直接if (i > starIdex && candidates[i - 1] == candidates[i]) continue; 可以不用used数组!
class Solution {
    List<List<Integer>> result = new ArrayList<>();
    List<Integer> path = new ArrayList<>();

    public List<List<Integer>> combinationSum2(int[] candidates, int target) {
        int[] used = new int[candidates.length];
        Arrays.sort(candidates);
        Arrays.fill(used, 0);
        backtracking(candidates,target,0,used,0);
        return result;
    }

    void backtracking(int[] candidates, int target, int sum, int[] used, int startIndex) {
        if(sum > target) return;
        if(target == sum) {
            result.add(new ArrayList<>(path));
            return;
        }
        for(int i = startIndex; i < candidates.length; i++) {
            if(i > 0 && candidates[i] == candidates[i-1] && used[i-1]==0) continue;
            path.add(candidates[i]);
            sum += candidates[i];
            used[i] = 1;
            backtracking(candidates, target, sum, used, i+1);
            path.remove(path.size()-1);
            used[i] = 0;
            sum -= candidates[i];
        }
    }
}

131.分割回文串

和组合问题是类似的。怎么类似?例如"abcdef" 一开始分割a,接下来分割bcdef。再分b,a|b|cdef

两个分割之间的区间组成了一个子串

回溯的过程其实是求出所有分割子串的可能方案!然后对所有的可能判断每一个子串是否是回文串

两个全局变量path和result。startIndex就是切割线(从0开始)

我们把判断回文子串的逻辑放在了单层搜索里。如果不是回文就不会进入下一层的递归!

如何表示每一个子串?[startIndex,i] i代表当前切割点,index代表上一个切割点

  1. 递归函数
void backtracking(String s, int startIndex)
  1. 递归终止条件
//切割到字符串最后了,如果起始位置大于等于s的大小,说明找到了一组分割方案
if(startIndex >= s.length()) {
    lists.add(new ArrayList(deque));  //一定都是回文串了,直接收集
    return;
}
  1. 单层搜索逻辑
for(int i = startIndex; i < s.length(); i++) {
    if(isPalindrome(startIndex,i,s)) {
        String str = s.substring(startIndex, i + 1);  //substring是左闭右开!
        path.add(子串);
    } else continue;  //直接跳到下一个i,不会进入下一层递归
    backtracking(s,i+1);
    path.remove(path.size()-1);
}
  1. 判断子串是否回文的函数
boolean isPalindrome(int left, int right, String s) {
	for(int i = left,j = right; i < j; i++,j--) {
		if (s.charAt(i) != s.charAt(j)) {
            return false;
        }
	}
    return true;
}
  • 完整代码
class Solution {
    List<List<String>> result = new ArrayList<>();
    List<String> path = new ArrayList<>();

    public List<List<String>> partition(String s) {
        backtracking(s,0);
        return result;
    }

    void backtracking(String s, int startIndex) {
        if(startIndex >= s.length()) {
            result.add(new ArrayList<>(path));
            return;
        }
        for(int i = startIndex; i < s.length(); i++) {
            if(isPalindrome(startIndex,i,s)) {  //如果不是回文子串 直接跳到i+1,不会进入递归
                path.add(s.substring(startIndex,i+1));
            } else continue;
            backtracking(s, i+1);
            path.remove(path.size()-1);
        }
    }

    //判断回文子串
    boolean isPalindrome(int left, int right, String s) {
        for(int i = left,j = right; i < j; i++,j--) {
            if(s.charAt(i) != s.charAt(j)) {
                return false;
            }
        }
        return true;
    }
}

Day 27总结

  1. 虽然都是一进for循环里就判断,但一个是continue一个是break!continue代表跳到下一个i+1开始搜,不进入下一层递归break代表直接结束整个for循环,终止搜索

  2. 初始化used数组可以用Arrays.fill()

  3. 切割回文串问题要联想到组合问题,startIndex相当于切割线,终止条件就是起始位置≥s的长度。在单层逻辑里判断是不是回文串,是就直接substring收集子串,不是就continue(直接跳到下一个i,不会进入下一层递归)。这样可以直接在终止条件里收集path了。

  4. substring是左闭右开!!

  5. 判断回文串isPalindrome,用i和j两边夹击。

  6. 如果要求这一位元素不能重复用,递归时传i+1,可以重复用(如39)就传i!

### 代码随想录算法训练营 Day20 学习内容与作业 #### 动态规划专题深入探讨 动态规划是一种通过把原问题分解为相对简单的子问题的方式来求解复杂问题的方法[^1]。 #### 主要学习内容 - **背包问题系列** - 背包问题是典型的动态规划应用场景之一。这类题目通常涉及给定容量的背包以及一系列具有不同价值和重量的物品,目标是在不超过总容量的情况下最大化所选物品的价值。 - **状态转移方程构建技巧** - 构建合适的状态转移方程对于解决动态规划问题是至关重要的。这涉及到定义好dp数组(或表格),并找到从前一个状态到下一个状态之间的关系表达式[^2]。 - **优化空间复杂度方法** - 对于某些特定类型的DP问题,可以采用滚动数组等方式来减少所需的空间开销,从而提高程序效率[^3]。 #### 实战练习题解析 ##### 题目:零钱兑换 (Coin Change) 描述:给定不同面额的硬币 coins 和一个总金额 amount。编写函数来计算可以凑成总金额所需的最少的硬币个数。如果没有任何一种硬币组合能组成总金额,返回 `-1`。 解决方案: ```python def coinChange(coins, amount): dp = [float(&#39;inf&#39;)] * (amount + 1) dp[0] = 0 for i in range(1, amount + 1): for coin in coins: if i >= coin and dp[i - coin] != float(&#39;inf&#39;): dp[i] = min(dp[i], dp[i - coin] + 1) return dp[-1] if dp[-1] != float(&#39;inf&#39;) else -1 ``` 此段代码实现了基于自底向上的迭代方式解决问题,其中 `dp[i]` 表示达到金额 `i` 所需最小数量的硬币数目[^4]。 ##### 题目:完全平方数 (Perfect Squares) 描述:给出正整数 n ,找出若干个不同的 完全平方数 (比如 1, 4, 9 ...)使得它们的和等于n 。问至少需要几个这样的完全平方数? 解答思路同上一题类似,只是这里的“硬币”变成了各个可能的完全平方数值。 ```python import math def numSquares(n): square_nums = set([i*i for i in range(int(math.sqrt(n))+1)]) dp = [float(&#39;inf&#39;)] *(n+1) dp[0] = 0 for i in range(1,n+1): for sq in square_nums: if i>=sq: dp[i]=min(dp[i],dp[i-sq]+1); return dp[n]; ``` 这段代码同样运用了动态规划的思想去寻找最优解路径,并利用集合存储所有小于等于输入值的最大平方根内的平方数作为候选集[^5]。
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