代码随想录训练营第四十六天| ● 139.单词拆分 ● 关于多重背包，你该了解这些！ ● 背包问题总结篇！

 139.单词拆分 

视频讲解：动态规划之完全背包，你的背包如何装满？| LeetCode：139.单词拆分_哔哩哔哩_bilibili

代码随想录

主要思路：将该题看做一完全背包问题，dp数组的含义是第i个元素之前是否能由字典中的元素组成。背包是字符串s，物品是字典。先遍历背包，再遍历物品，遍历背包过程中进行前序元素的遍历（j）：

如果确定dp[j] 是true，且 [j, i] 这个区间的子串出现在字典里，那么dp[i]一定是true。（j < i ）。

所以递推公式是 if([j, i] 这个区间的子串出现在字典里 && dp[j]是true) 那么 dp[i] = true。

bool wordBreak(string s, vector<string>& wordDict) {
        unordered_set<string> wordSet(wordDict.begin(), wordDict.end());
        vector<bool> dp(s.size() + 1, false);
        dp[0] = true;
        for (int i = 1; i <= s.size(); i++) {
            for (int j = 0; j < i; j++) {
                string word = s.substr(j, i-j);
                if (wordSet.find(word) != wordSet.end() && dp[j] == true)
                    dp[i] = true;
            }
        }
        return dp[s.size()];
    }

 关于多重背包，你该了解这些！ 

代码随想录

与01背包类似，每个物品可有多个，只需将物品的个数再进行遍历即可！ 

for(int i = 0; i < n; i++) { // 遍历物品
        for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
            // 以上为01背包，然后加一个遍历个数
            for (int k = 1; k <= nums[i] && (j - k * weight[i]) >= 0; k++) { // 遍历个数
                dp[j] = max(dp[j], dp[j - k * weight[i]] + k * value[i]);
            }
        }
    }

 背包问题总结篇！ 

代码随想录