目录
背包问题无非就两种，求最大最小或者总共数量。
区别就是在DP表达式的更新上面
- 一个是取Max或min
- 还有一个就是在原基础上满足条件的话实现加一的操作.
初始化的话 不满足条件的地方更新为最大或者最小，就是要更新一个取不到的值(推荐INF)
想实现加一操作的时候就初始化为0
1.零钱兑换 II
链接：518. 零钱兑换 II
给你一个整数数组 coins 表示不同面额的硬币，另给一个整数 amount 表示总金额。
请你计算并返回可以凑成总金额的硬币组合数。如果任何硬币组合都无法凑出总金额，返回 0 。
假设每一种面额的硬币有无限个。
题目数据保证结果符合 32 位带符号整数。
示例 1：
输入：amount = 5, coins = [1, 2, 5]
输出：4
解释：有四种方式可以凑成总金额：
5=5
5=2+2+1
5=2+1+1+1
5=1+1+1+1+1示例 2：
输入：amount = 3, coins = [2]
输出：0
解释：只用面额 2 的硬币不能凑成总金额 3 。示例 3：
输入：amount = 10, coins = [10]
输出：1- 当看到硬币有无限个，我们就该想到这是一道完全背包问题。
题解
1.状态表示
- dp[i][j] 表示：从前 i 个硬币中挑选，总和正好等于j，一共有多少种选法
2.状态转移方程
根据最后一个位置，划分情况
- 不选 i，说明所有选法中都不包含第 i 个硬币，相当于从去 1 ~ i - 1 这个区间去选，就是dp[i-1][j]
- 选1个i，这时就有 i 这个硬币了，然后仅需去 1 ~ i - 1 区间去选一个 总和正好等于j - coins[i]，注意问的是多少种选法， i 这个硬币仅需跟在所有选法后面就行了，不需要加1。
- 选2个i，选3个i … 都是类似分析
发现填一个状态的时候发现这个状态时候很多状态拼接而成的，这个时候我们要想到策略把这些状态用一个或者两个状态来表示。
- 在完全背包哪里我们已经分析过了，这里直接写。
注意这里直接写，是因为前面已经分析过了，这个状态只适用于完全背包。 - 最后我们将所有情况加起来，注意 j-coins[i] 不一定存在。
- 必须要满足 j >= coins[i]，才能用这个状态。
3.初始化
- 多开一行一列
- 里面的值要保证后序的填表是正确的
- 下标的映射关系
第一列不用初始化，因为用到dp[i][j-coins[i]] 前提 j >= coins[i]，所以不会越界。我们只初始化第一行。
- 第一行表示硬币为空，当 j = 0表示总和为0，不选就行了，这是一种选法
- 当j = 1、2、3…，硬币为空根本凑不出总和等于j的选法。直接都给0就行了
4.填表顺序
- 填dp[i][j]会用到上面和左边的值
- 因此从上往下填写每一行，每一行从左往右。
5.返回值
- dp[i][j] 表示：从前 i 个硬币中挑选，总和正好等于j，一共有多少种选法
- 我们要的是从整个数组种选总和等于amount一共有多少种选法，正好就是dp[n][amount]
class Solution {
typedef unsigned long long ll;
public:
int change(int amount, vector<int>& coins)
{
int n=coins.size();
//选法 -- 求和
vector<vector<ll>> dp(n+1,vector<ll>(amount+1,0));
dp[0][0]=1;
for(int i=1;i<=n;i++)
{
for(int j=0;j<=amount;j++)
{
//下标 映射
dp[i][j]=dp[i-1][j];
if(j>=coins[i-1])
dp[i][j]+=dp[i][j-coins[i-1]];
}
}
return (int)dp[n][amount];
}
};- 这里存在溢出要用unsigned long long
- 或者用一维数组来进行优化，因为一个的状态表示，只用到了上一行的内容
优化
class Solution {
typedef unsigned long long ll;
public:
int change(int amount, vector<int>& coins)
{
int n=coins.size();
//选法 -- 求和
vector<ll> dp(amount+1,0);
dp[0]=1;
for(int i=1;i<=n;i++)
{
for(int j=coins[i-1];j<=amount;j++)
{
//下标 映射
dp[j]+=dp[j-coins[i-1]];
//实现 剪枝优化
}
}
return (int)dp[amount];
}
};2.完全平方数
链接： 279. 完全平方数
给你一个整数 n ，返回 和为 n 的完全平方数的最少数量 。
完全平方数 是一个整数，其值等于另一个整数的平方；换句话说，其值等于一个整数自乘的积。例如，1、4、9 和 16 都是完全平方数，而 3 和 11 不是。
示例 1：
输入：n = 12
输出：3
解释：12 = 4 + 4 + 4示例 2：
输入：n = 13
输出：2
解释：13 = 4 + 9给你一个整数 n ，返回 和为 n 的完全平方数的最少数量 。
完全平方数：比如说1^2 = 1，2^2 = 4，3^2 = 9。1、4、9就是完全平方数。
题解
- 从左往右开始挑完全平方数，一个数可以挑多次，挑出来的数只要等于n即可。
- 如果对背包问题比较敏感，这就是背包问题，并且是完全背包问题。
1.状态表示
- dp[i][j] 表示：从前 i 个完全平方数种挑选，总和正好等于 j，所有选法中，最少的数量
2.状态转移方程
- 根据最后一个位置，划分情况
- 不选 i^2，说明所有选法中都不包含 i^2 这个平方数，相当于从去 1 ~ i - 1 这个区间去选，就是dp[i-1][j]
- 选1个 i^2，然后在去1 ~ i - 1区间挑一个总和等于 j - i^2的最少数量，然后在加上选的 i^2这一个数。
- 同理选2个 i^2，3个 i^2…， 和上面分析一样
发现填一个状态的时候发现这个状态时候很多状态拼接而成的，这个时候我们要想到策略把这些状态用一个或者两个状态来表示。
- 在完全背包哪里我们已经分析过了，这里直接写。
然后从所有情况找最小值
3.初始化
- 多开一行一列
- 里面的值要保证后序的填表是正确的
- 下标的映射关系
第一列不用初始化，因为用到dp[i][j-coins[i]] 前提 j >= coins[i]，所以不会越界。
- 我们只初始化第一行。
- 第一行表示完全平方数为0，当 j = 0表示总和为0，不选就行了，最少数量为0
当 j = 1、2…，完全平方数为0，根本凑不出和为 j，然后我们填dp[i][j]要最小值，为了不让这些位置得值影响填表，因此可以给0x3f3f3f3f
4.填表顺序
- 填dp[i][j]会用到上面和左边的值
- 因此从上往下填写每一行，每一行从左往右。
5.返回值
dp[i][j] 表示：从前 i 个完全平方数中挑选，总和正好等于 j，所有选法中，最少的数量，但是我们要的是从整个完全平方数种选总和正好等于n最少数量。
这里有一个问题 i 取到哪里比较好呢？
- 我们绝对不会选一个完全平方数会比n大，所以说下标的平方应该小于等于n
- 所以我们最终返回的是 dp[√n][n]，同时建表的时候也应该是（√n + 1）*（n + 1）规模的。
class Solution {
const int INF=0x3f3f3f3f;
public:
int numSquares(int n)
{
int m=sqrt(n);
vector<vector<int>> dp(m+1,vector<int>(n+1,INF));
dp[0][0]=0;
for(int i=1;i<=m;i++)
{
for(int j=0;j<=n;j++)
{
dp[i][j]=dp[i-1][j];
if(j>=i*i)
dp[i][j]=min(dp[i][j],dp[i][j-i*i]+1);
}
}
return dp[m][n];
}
};优化
- 只和上一行有关
class Solution {
const int INF=0x3f3f3f3f;
public:
int numSquares(int n)
{
int m=sqrt(n);
vector<int> dp(n+1,INF);
dp[0]=0;
for(int i=1;i<=m;i++)
{
for(int j=i*i;j<=n;j++) //背包容量 至少要有物品这么大
{
dp[j]=min(dp[j],dp[j-i*i]+1);
}
}
return dp[n];
}
};
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
