算法笔记|Day32动态规划V
※※※※※完全背包问题理论
基本题目描述
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] 。每件物品可以无限次使用,求解将哪些物品装入背包里物品价值总和最大。
题目分析
采用一维数组(滚动数组)
1.dp数组含义:j表示背包容量,dp[j]表示容量为j的背包最大的价值总和;
2.递推公式:dp[j]=Math.max(dp[j],[j-weight[i]]+value[i])(j>=weight[i])(如果能装下这个物品,若不放物品i:dp[j]不变化;若放物品i:由dp[j-weight[i]]推出,dp[j-weight[i]]为背包容量为j-weight[i]的时候的最大价值,那么dp[j-weight[i]]+value[i],就是背包放物品i得到的最大价值);
3.初始化:dp[0]=0(背包容量j为0,背包价值总和一定为0);
4.遍历顺序:基本的完全背包题目先遍历物品或背包均可以(应用类题目具体顺序与题意有关),背包容量一定是要正序遍历。
☆☆☆☆☆leetcode 518.零钱兑换II
题目链接:leetcode 518.零钱兑换II
题目分析
1.dp数组含义:dp[j]表示凑成总金额为j的货币组合数;
2.递推公式:dp[j]+=dp[j-coins[i]]
(以dp[j]其中j为5举例,要想凑成总金额为5的货币,要考虑以下情况:
已经有一个1(coins[i])的话,有dp[4]种方法凑成总金额为5的货币
已经有一个2(coins[i])的话,有dp[3]种方法凑成总金额为5的货币
已经有一个3(coins[i])的话,有dp[2]种方法凑成总金额为5的货币
已经有一个4(coins[i])的话,有dp[1]种方法凑成总金额为5的货币
已经有一个5(coins[i])的话,有dp[0]种方法凑成总金额为5的货币
那么凑整dp[5]的总方法数也就是把所有的dp[j - coins[i]]累加起来);
3.初始化:dp[0]=1;(考虑把容量为0也当做一种方法,这样可以递推得到其他结果。若dp[0]是0,递推结果将都是0)
4.遍历顺序:不涉及顺序(组合问题),先遍历货币嵌套遍历背包,背包一定是要正序遍历。
代码
class Solution {
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];
}
}
☆☆☆☆☆leetcode 377. 组合总和Ⅳ
题目链接:leetcode 377. 组合总和Ⅳ
题目分析
1.dp数组含义:dp[j]表示凑成目标正整数为i的排列个数;
2.递推公式:dp[j]+=dp[j-nums[i]]
(以dp[j]其中j为5举例,要想凑成总和为5,要考虑以下情况:
已经有一个1(nums[i])的话,有dp[4]种方法凑成总和为5
已经有一个2(nums[i])的话,有dp[3]种方法凑成总和为5
已经有一个3(nums[i])的话,有dp[2]种方法凑成总和为5
已经有一个4(nums[i])的话,有dp[1]种方法凑成总和为5
已经有一个5(nums[i])的话,有dp[0]种方法凑成总和为5
那么凑整dp[5]的总方法数也就是把所有的dp[j - nums[i]]累加起来);
3.初始化:dp[0]=1;(考虑把容量为0也当做一种方法,这样可以递推得到其他结果。若dp[0]是0,递推结果将都是0)
4.遍历顺序:涉及顺序(排列问题),先遍历背包嵌套遍历货币,背包一定是要正序遍历。
代码
class Solution {
public int combinationSum4(int[] nums, int target) {
int dp[]=new int[target+1];
dp[0]=1;
for(int j=1;j<=target;j++){
for(int i=0;i<nums.length;i++){
if(j>=nums[i])
dp[j]+=dp[j-nums[i]];
}
}
return dp[target];
}
}
☆☆☆☆☆KamaCoder 57. 爬楼梯(待补充)
题目链接:KamaCoder 57. 爬楼梯
题目分析
代码