完全背包问题
题目链接:52. 携带研究材料(第七期模拟笔试)
讲解视频:
题目描述:
小明是一位科学家,他需要参加一场重要的国际科学大会,以展示自己的最新研究成果。他需要带一些研究材料,但是他的行李箱空间有限。这些研究材料包括实验设备、文献资料和实验样本等等,它们各自占据不同的重量,并且具有不同的价值。
小明的行李箱所能承担的总重量为 N,问小明应该如何抉择,才能携带最大价值的研究材料,每种研究材料可以选择无数次,并且可以重复选择。
解题思路:
1. 状态表示:
dp[i][j] 表示:从前 i 个物品中挑选,总体积不超过 j ,所有的选法中,能挑选出来的最⼤价值。(同01背包问题)
2. 状态转移⽅程:
线性 dp 状态转移⽅程分析⽅式,⼀般都是根据最后⼀步的状况,来分情况讨论。但是最后⼀个物品能选很多个,因此我们的需要分很多情况:
- 选 0 个第 i 个物品:此时相当于就是去前 i - 1 个物品中挑选,总体积不超过 j 。此时最⼤价值为 dp[i - 1][j] ;
- 选 1 个第 i 个物品:此时相当于就是去前 i - 1 个物品中挑选,总体积不超过 j -v[i] 。因为挑选了⼀个 i 物品,此时最⼤价值为 dp[i - 1][j - v[i]] +w[i] ;
- 选 2 个第 i 个物品:此时相当于就是去前 i - 1 个物品中挑选,总体积不超过 j- 2 * v[i] 。因为挑选了两个 i 物品,此时最⼤价值为 dp[i - 1][j - 2 *v[i]] + 2 * w[i] ;
- ......
综上,我们的状态转移⽅程为:
dp[i][j]=max(dp[i-1][j], dp[i-1][j-v[i]]+w[i], dp[i-1][j2*v[i]]+2*w[i]...)
当我们发现,计算⼀个状态的时候,需要⼀个循环才能搞定的时候,我们要想到去优化。优化的⽅向就是⽤⼀个或者两个状态来表⽰这⼀堆的状态,通常就是⽤数学的⽅式做⼀下等价替换。
我们发现第⼆维是有规律的变化的,因此我们去看看 dp[i][j - v[i]] 这个状态:
dp[i][j-v[i]]=max(dp[i-1][j-v[i]],dp[i-1][j-2*v[i]]+w[i],dp[i-1][j-3*v[i]]+2*w[i]...)
发现把 dp[i][j - v[i]] 加上 w[i] 正好和 dp[i][j] 中除了第⼀项以外的全部⼀致,因此我们可以修改我们的状态转移⽅程为:
dp[i][j] = max(dp[i - 1][j], dp[i][j - v[i]] + w[i]) 。
3. 初始化:
我们多加⼀⾏,⽅便我们的初始化,此时仅需将第⼀⾏初始化为 0 即可。因为什么也不选,也能满⾜体积不⼩于 j 的情况,此时的价值为 0 。
4. 填表顺序:
根据状态转移⽅程,我们仅需从上往下填表即可。
5. 返回值:
根据状态表⽰,返回 dp[n][v] 。
代码:
未优化版
#include<iostream>
#include<vector>
using namespace std;
int main()
{
int n , v;
cin >> n >> v;
vector<int> weight(n+1);
vector<int> value(n+1);
for(int i = 1; i <= n; i++)
{
cin >> weight[i] >> value[i];
}
vector<vector<int>> dp(n+1,vector<int>(v+1));
for(int i = 1; i <= n; i++)
{
for(int j = 0; j <= v; j++)
{
dp[i][j] = dp[i-1][j];
if(j >= weight[i])
dp[i][j] = max(dp[i][j] , dp[i][j-weight[i]]+value[i]);
}
}
cout << dp[n][v] << endl;
}
优化版
#include<iostream>
#include<vector>
using namespace std;
int main()
{
int n , v;
cin >> n >> v;
vector<int> weight(n+1);
vector<int> value(n+1);
for(int i = 1; i <= n; i++)
{
cin >> weight[i] >> value[i];
}
vector<int> dp(v+1);
for(int i = 1; i <= n ;i ++)
for(int j = weight[i]; j <= v; j++)
dp[j] = max(dp[j] , dp[j-weight[i]]+value[i]);
cout << dp[v] << endl;
}
322. 零钱兑换
题目链接:. - 力扣(LeetCode)
讲解视频:
装满背包最少的物品件数是多少?| LeetCode:322.零钱兑换
题目描述:
给你一个整数数组 coins
,表示不同面额的硬币;以及一个整数 amount
,表示总金额。
计算并返回可以凑成总金额所需的 最少的硬币个数 。如果没有任何一种硬币组合能组成总金额,返回 -1
。
你可以认为每种硬币的数量是无限的。
示例 1:
输入:coins = [1, 2, 5], amount = 11 输出:3 解释:11 = 5 + 5 + 1
解题思路:
与完全背包问题思路一致。
不同点:
- dp赋值:由于此时要求最小值,因此定义dp数组时其内容应该填充最大值--0x3f3f3f3f
- 结果返回:不能直接返回dp值,要做一下判断。
代码:
class Solution {
public:
const int INF = 0x3f3f3f3f;
int coinChange(vector<int>& coins, int amount) {
vector<int> dp(amount+1,INF);
dp[0] = 0;
for(auto x : coins)
for(int j = x; j <= amount; j++)
dp[j] = min(dp[j],dp[j-x]+1);
return dp[amount] >= INF ? -1 : dp[amount];
}
};
518.零钱兑换II
题目链接:. - 力扣(LeetCode)
讲解视频:
装满背包有多少种方法?组合与排列有讲究!| LeetCode:518.零钱兑换II
题目描述:
给你一个整数数组 coins
表示不同面额的硬币,另给一个整数 amount
表示总金额。
请你计算并返回可以凑成总金额的硬币组合数。如果任何硬币组合都无法凑出总金额,返回 0
。
假设每一种面额的硬币有无限个。
题目数据保证结果符合 32 位带符号整数。
示例 1:
输入:amount = 5, coins = [1, 2, 5] 输出:4 解释:有四种方式可以凑成总金额: 5=5 5=2+2+1 5=2+1+1+1 5=1+1+1+1+1
解题思路:
该题目是完全背包问题的变形,思路同上。
规律记忆:求装满背包有几种方法,公式都是:dp[j] += dp[j - nums[i]];
代码:
class Solution {
public:
int change(int amount, vector<int>& coins) {
vector<int> dp(amount+1);
int n = coins.size();
dp[0] = 1;
for(int i = 0; i < n; i++)
for(int j =coins[i]; j <= amount; j++)
dp[j] += dp[j-coins[i]];
return dp[amount];
}
};
组合总和 Ⅳ
题目链接:. - 力扣(LeetCode)
讲解视频:
装满背包有几种方法?求排列数?| LeetCode:377.组合总和IV
题目描述:
给你一个由 不同 整数组成的数组 nums
,和一个目标整数 target
。请你从 nums
中找出并返回总和为 target
的元素组合的个数。
题目数据保证答案符合 32 位整数范围。
示例 1:
输入:nums = [1,2,3], target = 4 输出:7 解释: 所有可能的组合为: (1, 1, 1, 1) (1, 1, 2) (1, 2, 1) (1, 3) (2, 1, 1) (2, 2) (3, 1) 请注意,顺序不同的序列被视作不同的组合。
解题思路:
- 组合不强调元素之间的顺序,排列强调元素之间的顺序。
- 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。
本题是要求排列数,因此双层for循环就与前边题目有所不同。
本题目核心思想仍是完全背包问题。
代码:
class Solution {
public:
int combinationSum4(vector<int>& nums, int target) {
vector<double> dp(target+1);
dp[0] = 1;
for(int j = 0; j <= target; j++)
for(auto x : nums)
if(j >= x)
dp[j] += dp[j-x];
return dp[target];
}
};