1.完全背包理论基础
01背包和完全背包的区别:
01背包中每个物品只能使用一次,而完全背包中可以重复使用,每种物品有无数件。
这点不同会体现在遍历顺序上,直接针对遍历顺序进行分析。01背包的内部循环遍历背包容量时是从后往前的,为了确保每个物品只被加入一次。而在纯完全背包问题中,这个内部循环是从前往后的,因为每个物品可以重复使用。同时,对于纯完全背包问题,可以先遍历物品后背包,也可以先背包后物品。因为dp[j] 是根据 下标j之前所对应的dp[j]计算出来的。 只要保证下标j之前的dp[j]都是经过计算的就可以了。而对于01背包问题,如果两层循环对调,每个dp[j]只能放入一个物品。
kind, bagweight = [int(x) for x in input().split()]
weight = []
value = []
for _ in range(kind):
a, b = [int(x) for x in input().split()]
weight.append(a)
value.append(b)
dp = [0] * (bagweight + 1)
for i in range(kind):
for j in range(weight[i], bagweight + 1):
dp[j] = max(dp[j], dp[j - weight[i]] + value[i])
print(dp[bagweight])
2.518.零钱兑换II
题目链接:518.零钱兑换II
文档讲解: 代码随想录
(1)确定数组和下标
这道题硬币的重量和价值相等,总金额 j 可以抽象为容量为 j 的背包装满的价值为 j。所求的是装满背包的方法数量。dp[ j ] 表示背包容量为 j 装满的方法数。
(2)递推关系式
遍历到 coins[ i ] 时,dp[ j ] += dp[j - coins[i]]
(3)初始化
dp[0] = 1,不然往后递推都为0
(4)遍历顺序
先物品后背包
(5)打印数组
class Solution(object):
def change(self, amount, coins):
"""
:type amount: int
:type coins: List[int]
:rtype: int
"""
dp = [0] * (amount + 1)
dp[0] = 1
for i in range(len(coins)):
for j in range(coins[i], amount + 1):
dp[j] += dp[j - coins[i]]
return dp[amount]
我忽略的一个点是在遍历顺序上的细节,这道题中求的是组合数,而不是排列数,这两种情况的遍历顺序是不一样的。例如,coins[0] = 1, coins[1] = 5。先遍历物品后背包求的是组合数,先放入1进行计算,在放入5进行计算。而先背包后物品是排列数,因为每次外层的背包循环,都会经过1和5的计算,会包含{1,5}和{5,1}两种情况。
3.377. 组合总和 Ⅳ
题目链接:377. 组合总和 Ⅳ
文档讲解: 代码随想录
(1)确定数组和下标
dp[ j ]表示和为 j 的组合个数
(2)递推关系式
dp[ j ] += dp[ j - nums[ i ] ]
(3)初始化
sp[0] = 1,为0后续递推都为0
(4)遍历顺序
因为顺序不同的序列被视为不同的组合,因此时排列问题,先背包后物品,均从前往后遍历
(5)打印数组
class Solution(object):
def combinationSum4(self, nums, target):
"""
:type nums: List[int]
:type target: int
:rtype: int
"""
dp = [0] * (target + 1)
dp[0] = 1
for j in range(1, target + 1):
for i in range(len(nums)):
if j >= nums[i]:
dp[j] += dp[j - nums[i]]
return dp[target]
4.70. 爬楼梯(进阶版)
题目链接:70. 爬楼梯(进阶版)
文档讲解: 代码随想录
(1)确定数组和下标
dp[ j ] 表示爬 j 个台阶的方法数
(2)递推关系式
dp[ j ] += dp[ j - i ]
(3)初始化
dp[0] = 1,其余位置为0,因为要做累加
(4)遍历顺序
排列问题,先背包后物品,都从前往后
(5)打印数组
n, m = [int(x) for x in input().split()]
dp = [0] * (n + 1)
dp[0] = 1
for j in range(1, n + 1):
for i in range(1, m + 1):
if j >= i:
dp[j] += dp[j - i]
print(dp[n])