卡码网52. 携带研究材料:
题目链接
小明是一位科学家,他需要参加一场重要的国际科学大会,以展示自己的最新研究成果。他需要带一些研究材料,但是他的行李箱空间有限。这些研究材料包括实验设备、文献资料和实验样本等等,它们各自占据不同的空间,并且具有不同的价值。
小明的行李空间为 N,问小明应该如何抉择,才能携带最大价值的研究材料,每种研究材料可以选择无数次,并且可以重复选择。
第一行包含两个整数,N,V,分别表示研究材料的种类和行李空间
接下来包含 N 行,每行两个整数 wi 和 vi,代表第 i 种研究材料的重量和价值
示例 :
输入:
4 5
1 2
2 4
3 4
4 5
输出:
10
解答:
import java.util.*;
class Main {
public static int getBack(int m,int n,int[] space,int[] value) {
int[] dp = new int[n+1]; //容量为n的背包最大价值
dp[0] = 0;
for (int i = 0; i <m ; i++) {
for (int j = space[i]; j <=n ; j++) {
dp[j] = Math.max(dp[j-space[i]]+value[i],dp[j]);
}
}
return dp[n];
}
public static void main(String[] args) {
Scanner sc = new Scanner(System.in);
int m = sc.nextInt();
int n = sc.nextInt();
int[] space = new int[m];
int[] value = new int[m];
for (int i = 0; i <m ; i++) {
space[i] = sc.nextInt();
value[i] = sc.nextInt();
}
System.out.println(getBack(m, n, space, value));
}
}
算法总结:
完全背包问题不同于01背包在一维数组上的区别是01背包问题我们必须要使用倒叙来保证每个元素只被使用一次,而完全背包可以使用多次,我们就不需要用倒叙来实现。
377. 组合总和 Ⅳ:
题目链接
给你一个由 不同 整数组成的数组 nums ,和一个目标整数 target 。请你从 nums 中找出并返回总和为 target 的元素组合的个数。
题目数据保证答案符合 32 位整数范围。
示例 :
输入:nums = [1,2,3], target = 4
输出:7
解释:
所有可能的组合为:
(1, 1, 1, 1)
(1, 1, 2)
(1, 2, 1)
(1, 3)
(2, 1, 1)
(2, 2)
(3, 1)
请注意,顺序不同的序列被视作不同的组合。
解答:
class Solution {
public int combinationSum4(int[] nums, int target) {
int[] dp = new int[target+1];
int n = nums.length;
dp[0] = 1;
for (int i = 0; i <= target; i++) {
for (int j = 0; j < n; j++) {
if (i >= nums[j]) {
dp[i] += dp[i - nums[j]];
}
}
}
return dp[target];
}
}
算法总结:
本题因为是组合问题,我们需要考虑每个元素出现的顺序(例如1,2,3和3,2,1视为两种组合)则我们需要注意的是背包容积和物品数量的循环遍历顺序,我们的容积应该是在外层遍历,而数量在内层遍历。
518. 零钱兑换 II:
题目链接
给你一个整数数组 coins 表示不同面额的硬币,另给一个整数 amount 表示总金额。
请你计算并返回可以凑成总金额的硬币组合数。如果任何硬币组合都无法凑出总金额,返回 0 。
假设每一种面额的硬币有无限个。
题目数据保证结果符合 32 位带符号整数。
示例 :
输入:amount = 5, coins = [1, 2, 5]
输出:4
解释:有四种方式可以凑成总金额:
5=5
5=2+2+1
5=2+1+1+1
5=1+1+1+1+1
解答:
class Solution {
public int change(int amount, int[] coins) {
int n = coins.length;
int[] dp = new int[amount+1];
dp[0] = 1;
for (int i = 0; i <n ; i++) {
for (int j = coins[i]; j <=amount ; j++) {
dp[j] += dp[j-coins[i]];
}
}
return dp[amount];
}
}
算法总结:
本题的零钱兑换本质上就是一个排列数问题(因为不考虑数字顺序)所以我们的遍历顺序应该是外层是物品的数量(即钱币数量)内层是最大容积(即目标金额)。