代码随想录算法训练营第四十六天| 完全背包、518. 零钱兑换 II、377. 组合总和 Ⅳ

 完全背包

题目链接：完全背包

文档讲解：代码随想录/完全背包

视频讲解：视频讲解-完全背包

状态：已完成（1遍）

解题过程 

这几天属实是有点分身乏术了，先直接看题解AC了，二刷的时候再来补上自己的思路和尝试吧。

看完代码随想录之后的想法 

讲解代码如下：

// 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)
}

// 先遍历背包容量，再遍历物品
function test_completePack2() {
    let weight = [1, 3, 5]
    let value = [15, 20, 30]
    let bagWeight = 4 
    let dp = new Array(bagWeight + 1).fill(0)
    for(let j = 0; j <= bagWeight; j++) {
        for(let i = 0; i < weight.length; i++) {
            if (j >= weight[i]) {
                dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i])
            }
        }
    }
    console.log(2, dp);
}

---

 518. 零钱兑换 II

题目链接：518. 零钱兑换 II

文档讲解：代码随想录/零钱兑换 II

视频讲解：视频讲解-零钱兑换 II

状态：已完成（1遍）

解题过程  

 看完代码随想录之后的想法 

用动态规划五部曲：

1. 确定dp数组以及下标的含义：凑成总金额j的货币组合数为dp[j]；
2. 确定递推公式：dp[j] += dp[j - coins[i]]；

3. 代码初始化如下：

   首先dp[0]一定要为1，dp[0] = 1是 递归公式的基础。如果dp[0] = 0 的话，后面所有推导出来的值都是0了。

   那么 dp[0] = 1 有没有含义，其实既可以说 凑成总金额0的货币组合数为1，也可以说 凑成总金额0的货币组合数为0，好像都没有毛病。

   但题目描述中，也没明确说 amount = 0 的情况，结果应该是多少。

   这里我认为题目描述还是要说明一下，因为后台测试数据是默认，amount = 0 的情况，组合数为1的。

   下标非0的dp[j]初始化为0，这样累计加dp[j - coins[i]]的时候才不会影响真正的dp[j]

   dp[0]=1还说明了一种情况：如果正好选了coins[i]后，也就是j-coins[i] == 0的情况表示这个硬币刚好能选，此时dp[0]为1表示只选coins[i]存在这样的一种选法。

4. 确定遍历顺序：

   因为纯完全背包求得装满背包的最大价值是多少，和凑成总和的元素有没有顺序没关系，即：有顺序也行，没有顺序也行！

   而本题要求凑成总和的组合数，元素之间明确要求没有顺序。

   所以纯完全背包是能凑成总和就行，不用管怎么凑的。

   本题是求凑出来的方案个数，且每个方案个数是为组合数。

   那么本题，两个for循环的先后顺序可就有说法了。

   我们先来看 外层for循环遍历物品（钱币），内层for遍历背包（金钱总额）的情况。

   代码如下：

   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]];
       }
   }
   

   假设：coins[0] = 1，coins[1] = 5。

   那么就是先把1加入计算，然后再把5加入计算，得到的方法数量只有{1, 5}这种情况。而不会出现{5, 1}的情况。

   所以这种遍历顺序中dp[j]里计算的是组合数！

   如果把两个for交换顺序，代码如下：

   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]];
       }
   }
   

   背包容量的每一个值，都是经过 1 和 5 的计算，包含了{1, 5} 和 {5, 1}两种情况。

   此时dp[j]里算出来的就是排列数！

讲解代码如下：

const change = (amount, coins) => {
    let dp = 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];
}

---

377. 组合总和 Ⅳ 

题目链接：377. 组合总和 Ⅳ 

文档讲解：代码随想录/组合总和 Ⅳ 

视频讲解：视频讲解-组合总和 Ⅳ 

状态：已完成（1遍）

解题过程  

看完代码随想录之后的想法 

用动态规划五部曲：

1. 确定dp数组以及下标的含义：凑成目标正整数为i的排列个数为dp[i]；
2. 确定递推公式：dp[i] += dp[i - nums[j]]；
3. dp数组如何初始化：

   因为递推公式dp[i] += dp[i - nums[j]]的缘故，dp[0]要初始化为1，这样递归其他dp[i]的时候才会有数值基础。

   至于dp[0] = 1 有没有意义呢？

   其实没有意义，所以我也不去强行解释它的意义了，因为题目中也说了：给定目标值是正整数！ 所以dp[0] = 1是没有意义的，仅仅是为了推导递推公式。

   至于非0下标的dp[i]应该初始为多少呢？

   初始化为0，这样才不会影响dp[i]累加所有的dp[i - nums[j]]。

4. 确定遍历顺序：target（背包）放在外循环，将nums（物品）放在内循环，内循环从前到后遍历；
5. 举例推导dp数组：

   按照这个递推公式我们来推导一下，dp数组应该是如下的数列： 10 15 30  。

讲解代码如下：

const combinationSum4 = (nums, target) => {

    let dp = 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];
};