完全背包解题模板
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。因此唯一的不同是体现在遍历顺序步骤
- 确定dp数组以及下标的含义:dp[i][j] 表示从下标为[0-i]的物品里任意取,放进容量为j的背包,价值总和最大是多少。
- 确定递推公式:
- 不放物品i:由dp[i - 1][j]推出,即背包容量为j,里面不放物品i的最大价值,此时dp[i][j]就是dp[i - 1][j]。(其实就是当物品i的重量大于背包j的重量时,物品i无法放进背包中,所以被背包内的价值依然和前面相同。)
- 放物品i:由dp[i - 1][j - weight[i]]推出,dp[i - 1][j - weight[i]] 为背包容量为j - weight[i]的时候不放物品i的最大价值,那么dp[i - 1][j - weight[i]] + value[i] (物品i的价值),就是背包放物品i得到的最大价值
- 所以递归公式:
// 普通递推公式:
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
//求装满背包有几种方法,一般公式都是
dp[j] += dp[j - nums[i]];
- dp数组的初始化
// 初始化 dp
vector<vector<int>> dp(weight.size(), vector<int>(bagweight + 1, 0));
for (int j = weight[0]; j <= bagweight; j++) {
dp[0][j] = value[0];
}
- 确定遍历顺序
// 01背包遍历代码
for(int i = 0; i < weight.size(); i++) { // 遍历物品
for(int j = bagWeight; j >= weight[i]; j--) { // 从大到小遍历背包容量
dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
}
}
// 完全背包遍历代码
// 先遍历物品,再遍历背包
for(int i = 0; i < weight.size(); i++) { // 遍历物品
for(int j = weight[i]; j <= bagWeight ; j++) { // 遍历背包容量(由于物品有无数件,从小到大遍历)
dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
}
}
// 如果求组合数就是外层for循环遍历物品,内层for遍历背包。
// 如果求排列数就是外层for遍历背包,内层for循环遍历物品。
518.零钱兑换II
class Solution {
public:
int change(int amount, vector<int>& coins) {
// 1.确定dp数组以及下标的含义
// 完全背包:dp[j]表示容量为j的背包,所背的最大物品价值为dp[j]
// 本题:凑成总金额j的货币组合数为dp[j]
vector<int> dp(amount+1);
// 3.dp数组初始化
// 本题:dp[0] = 1是递推公式的基础
dp[0] = 1;
// 4.确定遍历顺序
// 完全背包:外层从小到大遍历物品,内层从小到大遍历背包容量
// 本题:外层从小到达遍历金币,内层从小到达遍历背包容量
for(int i{};i<coins.size();++i){
for(int j = coins[i];j<=amount;++j){
// 2.确定递推公式
// 完全背包:dp[j] = max(dp[j],dp[j-weight[i]] + value[i])
// 完全背包:求装满背包的公式一般都是:dp[j] += dp[j - nums[i]];
// dp[j] += dp[j-coins[i]]
dp[j] += dp[j-coins[i]];
}
}
return dp[amount];
}
};
377.组合总和Ⅳ
class Solution {
public:
// 可以元素相同顺序不同的组合算两个组合,其实就是求排列!
// 如果求排列数就是外层for遍历背包,内层for循环遍历物品。
int combinationSum4(vector<int>& nums, int target) {
// 1.确定dp数组以及数组下标的含义
// dp[j]表示和为j的组合的组合的个数为dp[j]
vector<int> dp(target+1);
dp[0] = 1;
// 因为求排列:所以外层循环遍历背包,内层循环遍历物品(完全背包都是从小到大)
for(int j = 0;j<=target;++j){
for(int i{};i<nums.size();++i){
// 边界条件处理
if(j-nums[i] >= 0 && dp[j] < INT_MAX - dp[j-nums[i]])
dp[j] += dp[j-nums[i]];
}
}
return dp[target];
}
};
70.爬楼梯
class Solution {
public:
int climbStairs(int n) {
// 1.确定dp数组以及下标的含义
// 爬到有i个台阶的楼梯的楼顶有dp[i]种方法
vector<int> dp(n + 1, 0);
// 3.dp数组初始化
dp[0] = 1;
// 4.背包里求排列的问题:外层遍历背包,内层遍历物品
for (int i = 1; i <= n; i++) { // 遍历背包
for (int j = 1; j <= m; j++) { // 遍历物品(本题m=2)
// 2.确定递推公式
// 求装满背包有几种方法,一般都是:dp[i]+=dp[i-j]
if (i - j >= 0) dp[i] += dp[i - j];
}
}
return dp[n];
}
};
322.零钱兑换
class Solution {
public:
int coinChange(vector<int>& coins, int amount) {
// 1.定义dp数组以及数组下标的含义
// dp[j]表示凑成总金额j的最少硬币个数为dp[j]
vector<int> dp(amount+1,INT_MAX);
// 3.dp数组初始化
dp[0] = 0;
// 4.确定遍历顺序
// 外层遍历物品,内层遍历背包容量
for(int i{};i<coins.size();++i){
for(int j = coins[i];j<=amount;++j){
// 2.确定递推公式:dp[j] = max(dp[j],dp[j-weight[i]] + value[i]);
if(dp[j-coins[i]] < INT_MAX)
dp[j] = min(dp[j],dp[j-coins[i]]+1);
}
}
return dp[amount] == INT_MAX ? -1 : dp[amount];
}
};
279.完全平方数
class Solution {
public:
int numSquares(int n) {
// 1.定义dp数组以及下标的含义
// dp[j]表示和为j的完全平方数的数量为dp[j]
vector<int> dp(n+1,INT_MAX);
// 3.dp数组初始化
dp[0] = 0;
// 4.确定遍历顺序
// 外层遍历物品,内层遍历背包容量
for(int i {1};i*i<=n;++i){
for(int j = 1; j <=n;++j){
// 2.确定递推公式:dp[j] = max(dp[j],dp[j-weight[i]] + value[i])
if(j-i*i >= 0)
dp[j] = min(dp[j],dp[j-i*i] + 1);
}
}
return dp[n] == INT_MAX ? -1 : dp[n];
}
};
139.单词拆分
class Solution {
public:
// DP解决完全背包问题
bool wordBreak(string s, vector<string>& wordDict) {
unordered_set<string> unSet(wordDict.begin(),wordDict.end());
int n = s.size();
// 1.确定dp数组以及数组下标的含义
// dp[i] :字符串长度为i的话,dp[i]为true,表示可以拆分成一个或多个在字典中出现的单词
vector<int> dp(n+1,false);
dp[0] = true;
// 4.确定遍历顺序
// 如果求组合数就是外层for循环遍历物品,内层for遍历背包。
// 如果求排列数就是外层for遍历背包,内层for循环遍历物品。
// 本题:外层遍历背包,内层遍历物品
for(int i = 1;i<=n;++i){
for(int j{};j<=i;++j){
// 2.确定递推公式
string str = s.substr(j,i-j);
if(dp[j] && unSet.find(str) != unSet.end()){
dp[i] = true;
}
}
}
return dp[n];
}
};