动态规划解LeetCode474一和零：多维背包问题实践

markdown复制## 1. 问题背景与理解

今天遇到一道有趣的动态规划题目——LeetCode 474题"一和零"。题目给定一个字符串数组strs和两个整数m、n，要求找出并返回strs的最大子集大小，该子集中最多有m个0和n个1。这道题看似简单，但实际考察了对多维背包问题的理解能力。

我第一次看到题目时，误以为只需要统计所有字符串的0和1数量，然后简单比较即可。但仔细思考后发现，这实际上是一个典型的多维约束条件下的最优解问题。每个字符串相当于一个物品，0和1的数量就是物品的两个"重量"维度，而我们的背包容量就是m和n这两个限制条件。

## 2. 解题思路分析

### 2.1 动态规划状态定义

这道题的核心在于设计合适的状态表示。经过分析，我们需要一个三维数组dp，其中：
- dp[i][j][k] 表示考虑前i个字符串时，使用j个0和k个1能获得的最大子集大小

不过在实际编码中，我们可以优化空间复杂度，使用二维滚动数组：
- dp[j][k] 表示使用j个0和k个1时的最大子集大小

### 2.2 状态转移方程

对于每个字符串，我们需要计算其包含的0和1数量（记作zeros和ones），然后更新dp数组：

```python
for j in range(m, zeros - 1, -1):
    for k in range(n, ones - 1, -1):
        dp[j][k] = max(dp[j][k], dp[j - zeros][k - ones] + 1)

这个转移方程的意思是：对于每个可能的0和1容量组合，我们比较不选当前字符串和选当前字符串两种情况，取较大值。

3. 完整代码实现

3.1 Python解法

python复制def findMaxForm(strs, m, n):
    dp = [[0] * (n + 1) for _ in range(m + 1)]
    
    for s in strs:
        zeros = s.count('0')
        ones = len(s) - zeros
        
        for j in range(m, zeros - 1, -1):
            for k i