dp问题总结

动态规划

dp的状态的选取原则为原问题和子问题中会变化的量

凑零钱问题，

最少需要几枚硬币凑成指定amount，硬币数量无限。
这种问题的状态只有amount，可选择的硬币并不是状态，因为数量是无限的，原问题和子问题中的状态不互相影响。
地址

int coinChange(vector<int>& coins, int amount) {
    // 数组大小为 amount + 1，初始值也为 amount + 1
    vector<int> dp(amount + 1, amount + 1);
    // base case
    dp[0] = 0;
    // 外层 for 循环在遍历所有状态的所有取值
    for (int i = 0; i < dp.size(); i++) {
        // 内层 for 循环在求所有选择的最小值
        for (int coin : coins) {
            // 子问题无解，跳过
            if (i - coin < 0) continue;
            dp[i] = min(dp[i], 1 + dp[i - coin]);
        }
    }
    return (dp[amount] == amount + 1) ? -1 : dp[amount];
}

因为每一种硬币的数量都是无限的，可以看到硬币并不属于一种状态，每个amount状态都会遍历所有的coins，而不是amount=8的时候选择了2元硬币，子问题amount=6的时候就不能选择2元硬币了

这算是完全背包问题？？
链接

目标和问题链接

典型的01背包问题，可选择的物品是变化的（当前选了，那就不能找之前也选过这个物品的子问题了），因此也是一个状态，两个状态就用dp[][]，上面凑零钱是一个状态，因此用一维dp[]就行

/* 计算 nums 中有几个子集的和为 sum */
int subsets(int[] nums, int sum) {
    int n = nums.length;
    int[][] dp = new int[n + 1][sum + 1];
    // base case
    for (int i = 0; i <= n; i++) {
        dp[i][0] = 1;
    }
    
    for (int i = 1; i <= n; i++) {
        for (int j = 0; j <= sum; j++) {
            if (j >= nums[i-1]) {
                // 两种选择的结果之和
                dp[i][j] = dp[i-1][j] + dp[i-1][j-nums[i-1]];
            } else {
                // 背包的空间不足，只能选择不装物品 i
                dp[i][j] = dp[i-1][j];
            }
        }
    }
    return dp[n][sum];
}

最优子结构

（这里有个比较容易混的概念，最优子结构，子问题之间互不影响，与我刚才说的原问题和子问题不一样，原问题和子问题状态互不互相影响和子问题之间影响不是一个概念）。

状态说是相互影响不恰当，应该说是变化的。没有互相影响

状态互相影响是指这么一种情况，01背包问题，供选择的物品只有一件，那当前问题（原问题）中选择了电脑，子问题中就不能找选过电脑的备忘录。但这并不表示两个问题之间相互影响。因为原问题和子问题是独立的，并不是子问题获取最有解后会影响原问题获取最优解

零钱兑换找组合数这种，也是动态规划为题，状态只有amount，但这里for循环内外层就需要考虑一下了，如果for(int coin : coins)放在内层，这样会出现重复的情况，算出来的组合数大于实际的数量，因为在内层的话算出来的是排列数，比如有1，2，5三种硬币，amount=3，此时dp[3] = dp[2] + dp[1]，这个时候dp[2]是包含两种组合情况的，{1, 1}和{2}，dp[1]是一种组合{1}，当选择硬币1时，也就是dp[2]时，那dp[3]的组合情况是{1, 1, 1}和{2, 1}，当选择硬币2时，也就是dp[1]时，dp[3]的组合是{1, 2}，和之前的{2,1}是重复的，所以for(int coin : coins)放在内层（也就是01背包问题的模板，横向是容量，纵向是选择这种想法，其实不一样，因为这里只有一个状态amount，硬币的选择并不是状态，而01背包问题物品也是状态，因此这里只是两层for循环写法类似，实际问题不同）算出来的是排列数，不是组合数。

一个比较好的总结

链接🔗

这里面将两种凑零钱问题都归结为完全背包问题，
由此可以明白，完全背包问题和01背包的区别在于每种物品有无数件，那也和之前分析的状态吻合了，每种物品有无数件，那原问题取这件物品，他的子问题也可以取这件，就不要拿那个01背包的表来思考了，直接就看一个amount一维数组（下图和本题无关，仅供参考），当成一个一维dp来想，遍历amount，dp也只是一维dp[]，注意，这种问题原本就是一维，而01背包原来是二维问题，因为有两个状态，但是可以降维成一维，和原本是一纬的背包问题（只有一个状态）不同

而背包问题的又有两种情况，根据问题来判断是需要组合数还是排列数，大部分问题都是组合数，因此物品的for循环遍历放在外层，如果是放在内层，求出来的是排列数，可能比实际数量大
**特例：**爬楼梯问题，是求排列数，因为如果三层，先1后2和先2后1是不一样的leetcode链接

上图链接