提示:努力生活,开心、快乐的一天
文章目录
完全背包理论基础
leetCode没有该题目
题意:
有N件物品和一个最多能背重量为W的背包。第i件物品的重量是weight[i],得到的价值是value[i] 。每件物品都有无限个(也就是可以放入背包多次),求解将哪些物品装入背包里物品价值总和最大。
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。
01背包和完全背包唯一不同就是体现在遍历顺序上,所以本文就不去做动规五部曲了,我们直接针对遍历顺序经行分析!
💡解题思路
首先再回顾一下01背包的核心代码
01背包内嵌的循环是从大到小遍历
,为了保证每个物品仅被添加一次
for(int i = 0; i < weight.size(); i++) { // 遍历物品
for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
}
}
完全背包的物品是可以添加多次的,所以要从小到大去遍历
// 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
dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
}
}
// 先遍历背包,再遍历物品
for(int j = 0; j <= bagWeight; j++) { // 遍历背包容量
for(int i = 0; i < weight.size(); i++) { // 遍历物品
if (j - weight[i] >= 0) dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
}
}
01背包中二维dp数组的两个for遍历的先后循序是可以颠倒了,一维dp数组的两个for循环先后循序一定是先遍历物品,再遍历背包容量。
在完全背包中,对于一维dp数组来说,其实两个for循环嵌套顺序是无所谓的!
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。
遍历物品在外层循环,遍历背包容量在内层循环
,状态如图:
遍历背包容量在外层循环,遍历物品在内层循环
,状态如图:
🤔遇到的问题
- 01背包喝完全背包的区别需要特别注意
💻代码实现
动态规划
// 先遍历物品,再遍历背包容量
function test_completePack1() {
let weight = [1, 3, 5]
let value = [15, 20, 30]
let bagWeight = 4
let dp = new Array(bagWeight + 1).fill(0)
for(let i = 0; i <= weight.length; i++) {
for(let j = weight[i]; j <= bagWeight; j++) {
dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i])
}
}
console.log(dp)
}
🎯题目总结
对于纯完全背包问题,其for循环的先后循环是可以颠倒的!
但如果题目稍稍有点变化,就会体现在遍历顺序上。
如果问装满背包有几种方式的话? 那么两个for循环的先后顺序就有很大区别了
518. 零钱兑换 II
💡解题思路
- 本题和纯完全背包不一样,纯完全背包是凑成背包最大价值是多少,而本题是要求凑成总金额的物品组合个数!注意题目描述中是凑成总金额的硬币组合数,为什么强调是组合数呢?
组合不强调元素之间的顺序,排列强调元素之间的顺序 - 动规五部曲:
- 确定dp数组以及下标的含义:dp[j]:凑成总金额j的货币组合数为dp[j]
- 确定递推公式:dp[j] 就是所有的dp[j - coins[i]](考虑coins[i]的情况)相加。所以递推公式:dp[j] += dp[j - coins[i]];
- dp数组如何初始化:dp[0] = 1是 递归公式的基础
- 确定遍历顺序:两个for循环的先后顺序有不同的说法:
外层for循环遍历物品(钱币),内层for遍历背包(金钱总额)
这种遍历顺序中dp[j]里计算的是组合数
for (int i = 0; i < coins.size(); i++) { // 遍历物品
for (int j = coins[i]; j <= amount; j++) { // 遍历背包容量
dp[j] += dp[j - coins[i]];
}
}
外层for遍历背包(金钱总额),内层for循环遍历物品(钱币)
这种遍历顺序中dp[j]里计算的是排列数
for (int j = 0; j <= amount; j++) { // 遍历背包容量
for (int i = 0; i < coins.size(); i++) { // 遍历物品
if (j - coins[i] >= 0) dp[j] += dp[j - coins[i]];
}
}
- 举例推导dp数组:按照递推公式推导一下做推导,如果发现结果不对,就把dp数组打印出来
🤔遇到的问题
- 两层遍历都是从小到大的遍历,i++ ; j++
💻代码实现
动态规划
var change = function(amount, coins) {
let dp = new Array(amount+1).fill(0)
dp[0] = 1
for(let i=0;i<coins.length;i++){
for(let j=coins[i];j<=amount;j++){
dp[j] +=dp[j-coins[i]]
}
}
return dp[amount]
};
🎯题目总结
递推公式,和题目494. 目标和 一致;而难点在于遍历顺序!
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。
377. 组合总和 Ⅳ
💡解题思路
- 本题和518.零钱兑换II的问题基本一致,只是改题求的是排列,518题求的是组合
- 只需要将两个for循环对调位置即可
🤔遇到的问题
- 先遍历背包,在遍历物品;都从0开始遍历
💻代码实现
动态规划
var combinationSum4 = function(nums, target) {
let dp = new Array(target+1).fill(0)
dp[0]=1
for(let i =0;i<=target;i++){
for(let j=0;j<nums.length;j++){
if(i>=nums[j]){
dp[i] += dp[i-nums[j]]
}
}
}
return dp[target]
};
🎯题目总结
求装满背包有几种方法,递归公式都是一样的,没有什么差别,但关键在于遍历顺序!
本题与动态规划:518.零钱兑换II (opens new window)就是一个鲜明的对比,一个是求排列,一个是求组合,遍历顺序完全不同。
🎈今日心得
学习了完全背包的概念,并学会了举一反三,有些了解了,但距离真正吃透还需要努力