25.动态规划之完全背包

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

【模板】完全背包_牛客题霸_牛客网

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

. - 力扣（LeetCode）

题目解析

算法讲解

0x3f3f3f3f是什么意思？？？-CSDN博客

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

. - 力扣（LeetCode）

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

. - 力扣（LeetCode）

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];
    }
}