0
点赞
收藏
分享

微信扫一扫

【动态规划/背包问题】分组背包问题练习篇


前言

今天是我们讲解动态规划专题中的 「背包问题」的第十三篇

今天将完成一道「分组背包」练习题。

由于 LeetCode 没有与「分组背包求最大价值」相关的题目,因此我们使用「分组背包求方案数」来作为练习篇。

另外,我在文章结尾处列举了我所整理的关于背包问题的相关题目。

背包问题我会按照编排好的顺序进行讲解(每隔几天更新一篇,确保大家消化)。

你可以先尝试做做,也欢迎你向我留言补充,你觉得与背包相关的 DP 类型题目 ~

题目描述

这是 LeetCode 上的 ​​1155. 掷骰子的N种方法​​ ,难度为中等

Tag : 「背包问题」、「动态规划」、「分组背包」

这里有 d 个一样的骰子,每个骰子上都有 f 个面,分别标号为 ​​1,2,...,f​​。

我们约定:掷骰子的得到总点数为各骰子面朝上的数字的总和。

如果需要掷出的总点数为 target,请你计算出有多少种不同的组合情况(所有的组合情况总共有 种),模  后返回。

示例 1:

输入:d = 1, f = 6, target = 3

输出:1

示例 2:

输入:d = 2, f = 6, target = 7

输出:6

示例 3:

输入:d = 2, f = 5, target = 10

输出:1

示例 4:

输入:d = 1, f = 2, target = 3

输出:0

示例 5:

输入:d = 30, f = 30, target = 500

输出:222616187

提示:

  • 1 <= d, f <= 30
  • 1 <= target <= 1000

分组背包

在 ​​分组背包问题​​ 中我们提到,分组背包不仅仅有「组内物品最多选择一个」的情况,还存在「组内物品必须选择一个」的情况。

对于本题,可以将每个骰子看作一个物品组,且每次 必须 从物品组中选择一个物品(所掷得的数值大小视作具体物品)。

这样就把问题转换为:用 个骰子(物品组)进行掷,掷出总和(取得的总价值)为 的方案数。

虽然,我们还没专门讲过「背包问题求方案数」,但基本分析与「背包问题求最大价值」并无本质区别。

我们可以套用「分组背包求最大价值」的状态定义来微调: 表示考虑前 个物品组,凑成价值为 的方案数。

为了方便,我们令物品组的编号从 开始,因此有显而易见的初始化条件 。

代表在不考虑任何物品组的情况下,只有凑成总价值为 的方案数为 ,凑成其他总价值的方案不存在。

不失一般性考虑 该如何转移,也就是考虑第 个物品组有哪些决策。

根据题意,对于第 个物品组而言,可能决策的方案有:

  • 第 个骰子的结果为 ,有
  • 第 个骰子的结果为 ,有
    ...
  • 第 个骰子的结果为 ,有

则是上述所有可能方案的方案数总和,即有:

朴素二维

代码:

class Solution {
int mod = (int)1e9+7;
public int numRollsToTarget(int n, int m, int t) {
int[][] f = new int[n + 1][t + 1];
f[0][0] = 1;
// 枚举物品组(每个骰子)
for (int i = 1; i <= n; i++) {
// 枚举背包容量(所掷得的总点数)
for (int j = 0; j <= t; j++) {
// 枚举决策(当前骰子所掷得的点数)
for (int k = 1; k <= m; k++) {
if (j >= k) {
f[i][j] = (f[i][j] + f[i-1][j-k]) % mod;
}
}
}
}
return f[n][t];
}
}
  • 时间复杂度:
  • 空间复杂度:

滚动数组

根据状态转移方程,我们发现 明确只依赖于 ,且 。

因此我们可以使用之前学过的「滚动数组」,用很机械的方式将空间从 优化至 。

需要注意的是,由于我们直接是在 格子的基础上进行方案数累加,因此在计算 记得手动置零。

代码:

class Solution {
int mod = (int)1e9+7;
public int numRollsToTarget(int n, int m, int t) {
int[][] f = new int[2][t + 1];
f[0][0] = 1;
for (int i = 1; i <= n; i++) {
int a = i & 1, b = (i - 1) & 1;
for (int j = 0; j <= t; j++) {
f[a][j] = 0; // 先手动置零
for (int k = 1; k <= m; k++) {
if (j >= k) {
f[a][j] = (f[a][j] + f[b][j-k]) % mod;
}
}
}
}
return f[n&1][t];
}
}
  • 时间复杂度:
  • 空间复杂度:

一维空间优化

更进一步,利用「 明确只依赖于 ,且 」,我们能通过「​​01 背包​​」一维空间优化方式:将物品维度取消,调整容量维度遍历顺序为「从大到小」。

代码:

class Solution {
int mod = (int)1e9+7;
public int numRollsToTarget(int n, int m, int t) {
int[] f = new int[t + 1];
f[0] = 1;
for (int i = 1; i <= n; i++) {
for (int j = t; j >= 0; j--) {
f[j] = 0;
for (int k = 1; k <= m; k++) {
if (j >= k) {
f[j] = (f[j] + f[j-k]) % mod;
}
}
}
}
return f[t];
}
}
  • 时间复杂度:
  • 空间复杂度:

总结

不难发现,不管是「组内物品最多选一件」还是「组内物品必须选一件」。

我们都是直接套用分组背包基本思路 「枚举物品组-枚举容量-枚举决策」 进行求解。

分组背包的空间优化并不会降低时间复杂度,所以对于分组背包问题,我们可以直接写方便调试的朴素多维版本(在空间可接受的情况下),如果遇到卡空间,再通过机械的方式改为「滚动数组」形式。

另外今天我们使用「分组背包问题求方案数」来作为「分组背包问题求最大价值」的练习题。

可以发现,两者其实并无本质区别,都是套用「背包问题求最大价值」的状态定义来微调。

更多的关于「背包问题求方案数」相关内容,在后面也会继续细讲。

背包问题(目录)

  1. 01背包 : 背包问题 第一讲
  1. 【练习】01背包 : 背包问题 第二讲
  2. 【学习&练习】01背包 : 背包问题 第三讲
  1. 完全背包 : 背包问题 第四讲
  1. 【练习】完全背包 : 背包问题 第五讲
  2. 【练习】完全背包 : 背包问题 第六讲
  3. 【练习】完全背包 : 背包问题 第七讲
  1. 多重背包 : 背包问题 第八讲
  2. 多重背包(优化篇)
  1. 【上】多重背包(优化篇): 背包问题 第九讲
  2. 【下】多重背包(优化篇): 背包问题 第十讲
  1. 混合背包 : 背包问题 第十一讲
  2. 分组背包 : 背包问题 第十二讲
  1. 【练习】分组背包 : 本篇
  1. 多维背包
  1. 【练习】多维背包
  1. 树形背包
  1. 【练习篇】树形背包
  1. 背包求方案数
  1. 【练习】背包求方案数
  1. 背包求具体方案
  1. 【练习】背包求具体方案
  1. 泛化背包
  1. 【练习】泛化背包

最后

这是我们「刷穿 LeetCode」系列文章的第 ​​No.1155​​ 篇,系列开始于 2021/01/01,截止于起始日 LeetCode 上共有 1916 道题目,部分是有锁题,我们将先把所有不带锁的题目刷完。

在这个系列文章里面,除了讲解解题思路以外,还会尽可能给出最为简洁的代码。如果涉及通解还会相应的代码模板。

为了方便各位同学能够电脑上进行调试和提交代码,我建立了相关的仓库:​​github.com/SharingSour…​​ 。

在仓库地址里,你可以看到系列文章的题解链接、系列文章的相应代码、LeetCode 原题链接和其他优选题解。

举报

相关推荐

0 条评论