代码随想录动态规划05

完全背包理论   

        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] 。每件物品都有无限个（也就是可以放入背包多次），求解将哪些物品装入背包里物品价值总和最大。

        完全背包和01背包问题唯一不同的地方就是，每种物品有无限件。所以01背包和完全背包唯一不同体现在遍历顺序上。

        01背包的核心代码。从大到小遍历。

        for (int i = 0;i < weight.length; i++){
            for (int j = bagWeight; j >= weight[i]; j--){
                dp[j] = Math.max(dp[j],dp[j - weight[i]] + value[i]);
            }
        }

        完全背包核心代码，从小到大遍历。

        for (int i = 0; i < weight.length;i++){
            for (int j = weight[i]; j <= bagWeight;j++){
                dp[j] = Math.max(dp[j],dp[j - weight[i]] +value[i]);
            }
        }

        在纯完全背包问题中，遍历先后都可以。但是如果求装满背包有几种方法，那么遍历先后顺序就有很大区别了。

        由于其可以重复选择（举例{1,5}），那么就可能导致选择的结果中会出现{1,5}和{5,1}，这与选择的循环先后有关。

        当求组合数时，先遍历物品，再遍历背包容量，就是先把1加入计算，再把5加入计算，结果就只会出现{1,5}，不会出现{5,1}。

        当求排列数时，先遍历背包容量，再遍历物品，这样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。

        先遍历物品，在遍历背包代码如下。和上边那个一样。

        for (int i = 0; i < weight.length;i++){
            for (int j = weight[i]; j <= bagWeight;j++){
                dp[j] = Math.max(dp[j],dp[j - weight[i]] +value[i]);
            }
        }

        先遍历背包，再遍历物品代码如下。

        for (int i = 0; i <= target; i++){
            for (int j = 0; j < nums.length;j++){
                if (i - nums[j] >= 0){
                    dp[i] += dp[i - nums[j]];
                }
            }
        }