文章目录
- 题目描述
- 思路分析
- 完整代码
题目描述
有一堆石头,用整数数组 stones 表示。其中 stones[i] 表示第 i 块石头的重量。
每一回合,从中选出任意两块石头,然后将它们一起粉碎。假设石头的重量分别为 x 和 y,且 x <= y。那么粉碎的可能结果如下:
如果 x == y,那么两块石头都会被完全粉碎;
如果 x != y,那么重量为 x 的石头将会完全粉碎,而重量为 y 的石头新重量为 y-x。
最后,最多只会剩下一块 石头。返回此石头 最小的可能重量 。如果没有石头剩下,就返回 0。
示例 1:
输入:stones = [2,7,4,1,8,1]
输出:1
解释:
组合 2 和 4,得到 2,所以数组转化为 [2,7,1,8,1],
组合 7 和 8,得到 1,所以数组转化为 [2,1,1,1],
组合 2 和 1,得到 1,所以数组转化为 [1,1,1],
组合 1 和 1,得到 0,所以数组转化为 [1],这就是最优值。
示例 2:
输入:stones = [31,26,33,21,40]
输出:5
思路分析
在做这道题之前一定要先看 01背包理论基础
这道题难就难在如何转化成01背包问题。
最近在练01背包,不然我是肯定想不到用背包的。
题目说让两个石子进行碰撞,想象一下这个过程,不断拿两个石头碰撞,实际上就是分了两个阵营,从两个阵营A,B里不断拿出石子进行碰撞。
那么问题就很简单了,题目要求就 等于 求A,B阵营中石子大小差的最小值。
到这里就容易想到背包了,设一个背包为A阵营,容量就是所给数组和的一半,尽量装满这个背包即可。B阵营直接就是总和减去A阵营就行。
老规矩 五步走:
1.确定dp下标含义:
dp[j] :表示背包容量为j 此时能装的最多石头重量为dp[j]
2.确定递推公式:
这个也很容易了,从01背包里改一下就行。
这道题里的 物品重量和物品价值都是等于石头重量的。
也是两种情况,不放这个石头 则dp[j] = dp[j],放这个石头那就是dp[j-stones[i]]+stones[i] (腾出即将放进来的石头的容量,加上他的价值)
所以:dp[j] = max(dp[j],dp[j-stones[i]]+stones[i])
3.初始化dp数组:
这个没啥好说的 直接是全0就行了,只是有一点要注意,dp[j]表示背包容量为j,所以dp的长度要初始化成 总和的一半再加1。
4.确定遍历顺序;
这个和传统的01背包一致,外层遍历物品,内层倒叙遍历背包。
for i in range(len(stones)):
for j in range(target,stones[i]-1,-1):
5.模拟推导dp数组:
我一般偷懒跳过这一步,如果dp错了,倒回来再走这一步用于debug。
完整代码
class Solution:
def lastStoneWeightII(self, stones: List[int]) -> int:
target = sum(stones)//2
dp = (target+1) * [0]
for i in range(len(stones)):
for j in range(target,stones[i]-1,-1):
dp[j] = max(dp[j],dp[j-stones[i]]+stones[i])
return sum(stones) - dp[target] - dp[target]```