package com.example.leetcode;
/**
* @description: 1049. 最后一块石头的重量 II
* 有一堆石头,每块石头的重量都是正整数。
* <p>
* 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:
* <p>
* 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。
* <p>
* <p>
* <p>
* 示例:
* <p>
* 输入:[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。
* <p>
* <p>
* 提示:
* <p>
* 1 <= stones.length <= 30
* 1 <= stones[i] <= 1000
* @author: licm
* @create: 2021-06-01 09:44
**/
public class Lc1049_最后一块石头的重量II {
/**
* 1.确定dp含义 下标对应重量
* 2.递推公式 max(dp[j],dp[j-stones[i]]+stones[i])
* 3.初始化 用递推公式初始化
* 4.遍历顺序 从左往右
* 5.推导结果。。。
*
* @param stones
* @return
*/
public static int lastStoneWeightII(int[] stones) {
int sum = 0;
for (int i = 0; i < stones.length; i++) {
sum += stones[i];
}
/**
* 初始化容量 要么 30*1000/2+1
*或者 sum/2+1
*/
int[]dp = new int[sum/2+1];
int target = sum/2;
for (int i = 0; i <stones.length ; i++) {
for (int j = target; j >=stones[i] ; j--) {
/**
* 找每一堆最大重量
* 不是很懂,刷懂了再说,大概一次就是计算该堆最大重量的一种公式
*/
dp[j] = Math.max(dp[j], dp[j - stones[i]] + stones[i]);
}
}
/**
* 这个某一个堆最大重量,一共俩堆
*/
return sum-dp[target]-dp[target];
}
public static void main(String[] args) {
int[] stones = {2, 7, 4, 1, 8, 1};
System.out.println(lastStoneWeightII(stones));;
}
}
Lc1049_最后一块石头的重量II
转载下一篇:Lc343_整数拆分
提问和评论都可以,用心的回复会被更多人看到
评论
发布评论
相关文章
-
python 判断for循环最后一次
本文简要介绍了Python 判断for循环最后一次的6种方法。
迭代 迭代器 python -
LeetCode---1049. 最后一块石头的重量 II(动态规划)
问题转化为:把一堆石头分成两堆,求两堆石头重量差最小值进一步分析:要让差值小,两堆石头的重量都要接近sum/2;我们假设两堆分
leetcode 动态规划 算法 取整 示例代码 -
dp背包问题——1049. 最后一块石头的重量 II
和416. 分割等和子集非常像,只需要使用石头总重量的一半作为背包容量,通过01背包=
leetcode 算法 动态规划 滚动数组 i++ -
567,最后一块石头的重量
最大堆解最后一块石头的重量
数组 数据结构 最大深度 -
568,动态规划解最后一块石头的重量 II
动态规划解最后一块石头的重量 II
数组 动态规划 背包问题 -
LeetCode 1046. 最后一块石头的重量
截止到目前我已经写了 500多道算法题,其中部分已经整理成了pdf文档,目前总共有1000多页(并且还会不断的增加)
LeetCode 最后一块石头的重量 算法 java 数组
















