52. 携带研究材料(第七期模拟笔试)
本题是完全背包问题,也就是在遍历的时候,当前物品可以被重复使用。
前面dp被修改了之后后面索引的dp值可以在此基础上进行更新,而0-1背包则需要在上一个物品的基础上进行更新,所以必须保证前面的值不被修改,只能从后往前遍历。
和0-1背包相比,只是遍历顺序不同。
和0-1背包从大到小(bagweight 到 weight[i])遍历背包容量不同,完全背包从(weight[i] 到 bagweight)。
此外本题还需要注意输入模式的写法。
num, bagweight = map(int, input().split())
wupin = [list(map(int, input().split())) for _ in range(num)] # 注意这里的封装形式
dp = [0] * (bagweight+1)
for i in range(num):
for j in range(wupin[i][0], bagweight+1): # 正序遍历,从能够装得下这个物品开始(前面都是0)
dp[j] = max(dp[j], dp[j-wupin[i][0]] + wupin[i][1])
print(dp[-1])
518. 零钱兑换 II
本题是目标和的一个完全背包的变种。
需要注意递推公式的写法 dp[j] += dp[j - coin];也就是在本coin没有进入背包时候的方法数,在进入这个硬币之后+1。
关于组合数/排列数:和遍历顺序有关。如果是先背包后物品,则是排列数,因为在同一个背包状态下,会出现先装第一个再装第二个的情况。如果是组合数,则是先物品后背包,因为这种情况下,每次只看一个物品,且不会返回到上一个物品,所以只能按照题目给定的物品顺序依次放入。
class Solution(object):
def change(self, amount, coins):
"""
:type amount: int
:type coins: List[int]
:rtype: int
"""
dp = [0]*(amount+1)
dp[0] = 1 # 对于计数问题需要初始化为1
for coin in coins:
for j in range(coin, amount+1): # 先物品后背包,求的是组合数,先背包后物品,求的是排列数
dp[j] += dp[j - coin]
return dp[-1]
57. 爬楼梯(第八期模拟笔试)
本题是爬楼梯的动态规划解法。
与凑目标数不同,爬楼梯求解的是排列数的个数。所以在遍历顺序上是:先遍历背包大小(1到bagweight)再遍历物品大小(0到weight)。
本题的背包大小就是楼层,物品大小就是每次能爬的楼梯数。
初始化dp[0] = 1,规定爬0层也是1个解法(实际上不输出,仅仅是为了递推)。
floor, Step = map(int, input().split())
dp = [0] * (floor+1)
dp[0] = 1
# 本题是排列数,所以先遍历背包容量,再遍历物品
for j in range(1, floor+1):
for step in range(Step+1):
dp[j] += dp[j-step]
print(dp[-1])
动态规划的主要题型和转化汇总
Day43完结!!!