完全背包
有N件物品和一个最多能背重量为W的背包。第i件物品的重量是weight[i],得到的价值是value[i] 。每件物品都有无限个(也就是可以放入背包多次),求解将哪些物品装入背包里物品价值总和最大。
完全背包和01背包问题唯一不同的地方就是,每种物品有无限件。01背包内嵌的循环是从大到小遍历,为了保证每个物品仅被添加一次。而完全背包的物品是可以添加多次的,所以要从小到大去遍历。
在完全背包中,对于一维dp数组来说,其实两个for循环嵌套顺序是无所谓的,但是为了不搞错,统一写成物品外循环、背包内循环的方式。
def test_CompletePack(weight, value, bagWeight):
dp = [0] * (bagWeight + 1)
for i in range(len(weight)): # 遍历物品
for j in range(weight[i], bagWeight + 1): # 遍历背包容量
dp[j] = max(dp[j], dp[j - weight[i]] + value[i])
return dp[bagWeight]
if __name__ == "__main__":
weight = [1, 3, 4]
value = [15, 20, 30]
bagWeight = 4
result = test_CompletePack(weight, value, bagWeight)
print(result)
518. 零钱兑换 II
题目链接:https://leetcode.com/problems/coin-change-ii
解法:
本题属于典型的完全背包问题。但本题和纯完全背包不一样,纯完全背包是凑成背包最大价值是多少,而本题是要求凑成总金额的物品组合个数!注意这是求组合。
要注意的地方有三点:
1. 递推公式
递推公式:dp[j] += dp[j - coins[i]]
2. 初始化
dp[0]一定要为1,dp[0] = 1是 递归公式的基础。如果dp[0] = 0 的话,后面所有推导出来的值都是0了。
3. 遍历顺序
由于是组合,那么一定是物品外循环、背包内循环,由于是完全背包,所以背包内循环是从前到后遍历。
如果是排列,背包外循环、物品内循环。
代码本身还是很精简的。
边界条件:无
时间复杂度:O(mn),其中 m 是amount,n 是 coins 的长度
空间复杂度:O(m)
class Solution(object):
def change(self, amount, coins):
dp = [0] * (amount+1)
dp[0] = 1
for c in coins:
for j in range(c, amount+1):
dp[j] += dp[j-c]
return dp[-1]
377. 组合总和 Ⅳ
题目链接:https://leetcode.com/problems/combination-sum-iv
解法:
这道题名字是组合,结果是求排列。
其本质是本题求的是排列总和,而且仅仅是求排列总和的个数,并不是把所有的排列都列出来。
如果本题要把排列都列出来的话,只能使用回溯算法爆搜。
所以唯一需要注意的,就是遍历顺序,背包外循环,物品内循环,其他没了。
边界条件:无
时间复杂度:O(target * n),其中 n 为 nums 的长度
空间复杂度:O(target)
class Solution(object):
def combinationSum4(self, nums, target):
dp = [0] * (target+1)
dp[0] = 1
for j in range(1, target+1):
for num in nums:
if j >= num:
dp[j] += dp[j-num]
return dp[target]