完全背包理论部分
-
问题雏形:
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。 -
重点
与01背包的区别在于递归顺序
结论:
(1)01背包中二维dp数组的两个for遍历的先后循序可以颠倒,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。
(2)在完全背包中,对于一维dp数组,两个for遍历的先后循序可以颠倒。 -
完全背包的遍历顺序理解:
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。从二维图形理解:
(1)外层物品,内层背包,则在逐步物品选择下:
step1:得到只用物品0在不同容量的最大价值
step2:在更新dp[j] (j = 0…n)之后,考虑物品0、1下不同背包容量的最大价值,按照递推公式dp[j] = max(dp[j], dp[j - value[i]]+value[i]) 来看,dp[j] 和 dp[j - value[i]]应该是更新过的左上角的值
(2)外层背包,内层物品,同理分析:
518. 零钱兑换 II
1.题目
给定不同面额的硬币和一个总金额。写出函数来计算可以凑成总金额的硬币组合数。假设每一种面额的硬币有无限个。
2.实现
思路提示:装满背包的组合个数
class Solution:
def change(self, amount: int, coins: List[int]) -> int:
# dp[i]表示面额为i的硬币组合数,即装满背包的组合的完全背包类型
total_sum = sum(coins)
dp = [0] * (amount + 1)
dp[0] = 1
for u in coins:
for j in range(u, amount+1): # 注意遍历顺序,是在所有考虑的背包容量下逐步将物品加入,所以不会出现排列的重复情况,而是组合形式
dp[j] += dp[j - u]
return dp[amount]
377. 组合总和 Ⅳ
1.题目
给定一个由正整数组成且不存在重复数字的数组,找出和为给定目标正整数的组合的个数。
2.实现:
思考和上一个题目的区别
class Solution:
def combinationSum4(self, nums: List[int], target: int) -> int:
dp = [0] * (target + 1)
dp[0] = 1
for j in range(target+1):
for u in nums:
if u <= j:
dp[j] += dp[j - u]
return dp[target]
总结
在求装满背包的组合个数时:
(1)递归公式都是:dp[j] += dp[j - value[i]]
(2)遍历顺序的选择:
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。
这个可以结合完全背包解释遍历顺序的原因去理解,求组合数时,如果外层背包+内层物品,则在给定背包容量下,不同的物品的组合个数已经进行更新,即可以选择不同的物品,变更背包容量,则会发生{1, 5}和{5,1}这种重复选择。