完全背包和01背包的不同就是物品可以选很多个
1.完全背包
题目解析
算法讲解
习题一
如何优化
数学推导的方法
习题二
编写代码
import java.util.Scanner;
import java.util.Arrays;
public class Main {
public static void main(String[] args) {
// 以下代码用于获取输入数据
Scanner scan = new Scanner(System.in);
String nV = scan.nextLine(); // 获取物品个数和背包体积
int n = Integer.valueOf(nV.split(" ")[0]); // 获取背包个数
int V = Integer.valueOf(nV.split(" ")[1]); // 获取背包体积
int[] v = new int[n +
1]; // 定义一个整型数组,用于存放物品的体积
int[] w = new int[n +
1]; // 定义一个整型数组,用于存放物品的重量
String vw;
for (int i = 1; i <= n; i++) {
vw = scan.nextLine();
v[i] = Integer.valueOf(vw.split(" ")[0]); // 第 i 种物品的体积
w[i] = Integer.valueOf(vw.split(" ")[1]); // 第 i 种物品的重量
}
// 以下代码是完全背包问题的具体实现
// 为了提高效率,1)求这个背包至多能装多大价值的物品 2)若背包恰好装满,求至多能装多大价值的物品
// 以上两个问题同时进行求解,并且我们直接使用数组压缩的方式,而不再使用朴素算法
// 事实上,问题一和问题二的区别仅仅是数组 dp 初始化的不同而已
int[] dp1 = new int[V + 1];
int[] dp2 = new int[V + 1];
// 注意,dp2 用于存放的是第二问的状态表示,初始化时,所有 dp[i] 都置为 Integer.MIN_VALUE
Arrays.fill(dp2, Integer.MIN_VALUE);
dp2[0] = 0; // 注意,当体积为 0 时,是合法的状态
for (int i = 1; i <= n; i++) {
for (int j = v[i]; j <= V;
j++) { // 完全背包问题和01背包问题,在代码层面上的区别就是这一层循环的方向不一样
dp1[j] = Math.max(dp1[j], dp1[j - v[i]] + w[i]);
dp2[j] = Math.max(dp2[j], dp2[j - v[i]] + w[i]);
if (dp2[j] < 0) {
// 如果 dp2[i] 小于 0,我们可以认为此时的 dp 不合法,即不能使背包恰好装满
dp2[j] = Integer.MIN_VALUE;
}
}
}
System.out.println(dp1[V]);
System.out.println(dp2[V] == Integer.MIN_VALUE ? 0 :
dp2[V]); // 别忘了判断当前 dp 是否合法
return;
}
}
滚动数组做优化
2.零钱兑换
题目解析
算法讲解
编写代码
优化前算法
class Solution {
public int coinChange(int[] coins, int amount) {
// 1. 创建 dp 表
// 2. 初始化
// 3. 填表
// 4. 返回值
int n = coins.length, INF = 0x3f3f3f3f;
int[][] dp = new int[n + 1][amount + 1];
for (int j = 1; j <= amount; j++)
dp[0][j] = INF;
for (int i = 1; i <= n; i++)
for (int j = 0; j <= amount; j++) {
dp[i][j] = dp[i - 1][j];
if (j >= coins[i - 1])
dp[i][j] = Math.min(dp[i][j], dp[i][j - coins[i - 1]] + 1);
}
return dp[n][amount] >= INF ? -1 : dp[n][amount];
}
}
优化后算法
class Solution {
public int coinChange(int[] coins, int amount) {
// 1. 创建 dp 表
// 2. 初始化
// 3. 填表
// 4. 返回值
int n = coins.length, INF = 0x3f3f3f3f;
int[] dp = new int[amount + 1];
for (int j = 1; j <= amount; j++)
dp[j] = INF;
for (int i = 1; i <= n; i++)
for (int j = coins[i - 1]; j <= amount; j++)
dp[j] = Math.min(dp[j], dp[j - coins[i - 1]] + 1);
return dp[amount] >= INF ? -1 : dp[amount];
}
}
3.零钱兑换2
题目解析
算法讲解
编写代码
public int change(int amount, int[] coins) {
// 空间优化
int[] dp = new int[amount + 1]; // 建表
dp[0] = 1; // 初始化
for (int x : coins) // 拿出物品
for (int j = x; j <= amount; j++) // 注意遍历顺序和起始终⽌位置
dp[j] += dp[j - x];
return dp[amount];
}
4.完全平方数
题目解析
不能用贪心策略
算法讲解
本质上就是完全背包问题
编写代码
class Solution {
public int numSquares(int n) {
int[] dp = new int[n + 1];
dp[1] = 1; // 初始化
for (int i = 2; i <= n; i++) // 枚举每个数
{
dp[i] = 1 + dp[i - 1]; // ⾄少等于 1 + dp[i - 1]
for (int j = 2; j * j <= i; j++) // ⽤⼩于 i 的完全平⽅数划分区间
dp[i] = Math.min(dp[i], dp[i - j * j] + 1); // 拿到所有划分区间内的最⼩值
}
// 返回结果
return dp[n];
}
}