Day 44 | 完全背包理论基础 & 518. 零钱兑换 II & 377. 组合总和 Ⅳ

完全背包理论基础

        完全背包与01背包的区别在于：完全背包同一物品可装多次，而01背包每个物品只能装一次。

因此遍历容量时，从前向后遍历即可！

关于遍历顺序，也与01背包有差别，01背包一维数组只能先遍历物品，而完全背包问题先遍历哪个都可以。

518. 零钱兑换

 完全背包解题思路：

        每一种面额的硬币有无限个——完全背包问题。

        可将问题转换为，从[0,i]中选硬币，每种硬币有无限个，硬币的和为j，共有dp[j]种组合。

        初始化dp[0]=1;

        因为是求有多少种方法（和一和零题类似），因此        

状态转移方程：dp[j]=dp[j]+dp[j-nums[i]];

        完全背包问题，从前向后遍历容量。

        组合问题，外层遍历物品，内层遍历背包容量。

    public int change(int amount, int[] coins) {
        int[] dp=new int[amount+1];
        dp[0]=1;
        for(int i=0;i<coins.length;i++){
            for(int j=coins[i];j<=amount;j++){
                dp[j]+=dp[j-coins[i]];
            }
        }
        return dp[amount];
    }

377. 组合总和 Ⅳ

本题与上一题的区别在于：本题求排列，上一题求组合。

组合问题：先遍历物品，再遍历容量。 

排列问题：先遍历容量，再遍历物品。 

        本题可转化为：从[0,i]中选数，和为j，共有target[j]种方法。

        状态转移方程与上题相同：dp[j]=dp[j]+dp[j-nums[i]];

  遍历时记得加上判断条件j-nums[i]>=0,防止下标越界。

    public int combinationSum4(int[] nums, int target) {
        int[] dp=new int[target+1];
        dp[0]=1;
        for(int j=0;j<=target;j++){
            for(int i=0;i<nums.length;i++){
                if(j-nums[i]>=0){
                    dp[j]+=dp[j-nums[i]];
                    }
            }
        }
        return dp[target];
    }