目录
52. 携带研究材料
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。
输入描述
第一行包含两个整数，N，V，分别表示研究材料的种类和行李空间
接下来包含 N 行，每行两个整数 wi 和 vi，代表第 i 种研究材料的重量和价值
输出描述
输出一个整数，表示最大价值。
输入示例
4 5 1 2 2 4 3 4 4 5
输出示例
10
提示信息
第一种材料选择五次，可以达到最大值。
数据范围：
1 <= N <= 10000;
1 <= V <= 10000;
1 <= wi, vi <= 10^9.
思路：物品可以多次选择，与01背包最多只能选择一次物品不同，这就是完全背包问题。
其实大体思路和01背包其实差不多，纯粹的完全背包问题维护二维空间时，不管是先遍历物品还是背包都可以，与01背包一样。
需要注意的是完全背包的递归公式：dp[i][j]=max(dp[i-1][j],dp[i][j-weight[i]]+values[i])
01背包的递推公式：dp[i][j]=max(dp[i-1][j],dp[i-1][j-weight[i]]+values[i])
从上面加粗的地方就能看出不同来，之所以有这样的不同，就在于完全背包可以多次使用同一个物品，所以它是可以累加的。
同时，因为完全背包的规则，所以会使初始化的时候的递推公式也会变化，毕竟物品现在可以使用不止一次，意味着只要空间容量允许，就可以加入背包中。
#include<bits/stdc++.h>
using namespace std;
int main(){
int N, V;
cin >> N >> V;
vector<int> weight(N);
vector<int> values(N);
for(int i = 0; i < N; i ++){
cin >> weight[i];
cin >> values[i];
}
vector<vector<int>> dp(N, vector<int>(V + 1, 0));//dp[i][j]表示0到i个物品在容量为j时所能装的最大价值
for(int j = 0; j < V + 1; j ++){
if(j >= weight[0]) dp[0][j] = max(dp[0][j], dp[0][j - weight[0]] + values[0]);
}//注意这里的初始化相当于能够累加前面的元素值，这也是完全背包递推公式在每一行最直观的展示
for(int i = 1; i < N; i ++){
for(int j = 0; j < V + 1; j ++){
if(j < weight[i]) dp[i][j] = dp[i - 1][j];
else dp[i][j] = max(dp[i - 1][j], dp[i][j - weight[i]] + values[i]);
//注意上面的dp[i][j]的面是dp[i][j-weight[i]]+values,
//如果是01背包，就是dp[i-1][j-weight[i]]+values
}
}
cout << dp[N - 1][V] << endl;
}当然，使用一维滚动数组同样可以完成完全背包问题，这里需要注意两点
第一点，两层循环不管是先遍历物品还是背包，都是可以的（当然仅限于纯粹的完全背包问题，后面一些问题在遍历顺序上还是有说法的，并不是两种都适用，因为融合了实际应用），这跟01背包只能先遍历物品，然后才能遍历背包不同；
第二点，完全背包遍历背包容量的那一层下标索引是逐渐增大的，也就是正序的，这与01背包容量这一层循环倒序遍历不同。究其原因就是因为物品可以多次使用，并且求dp[j]时，需要dp[j-weight[i]]前面的元素已经求出，所以需要使用正序。
下面是先遍历物品，再遍历背包容量的情况。
#include<bits/stdc++.h>
using namespace std;
int main(){
int N, V;
cin >> N >> V;
vector<int> weight(N);
vector<int> values(N);
for(int i = 0; i < N; i ++){
cin >> weight[i];
cin >> values[i];
}
vector<int> dp(V + 1, 0);//这里的dp[j]是指背包容量为j时的所装的最大价值
for(int i = 0; i < N; i ++){//先遍历物品，再遍历容量
for(int j = weight[i]; j < V + 1; j ++){//注意这里的顺序
dp[j] = max(dp[j], dp[j - weight[i]] + values[i]);
}
}
cout << dp[V] << endl;
}下面是先遍历背包容量，再遍历物品的情况。
#include<bits/stdc++.h>
using namespace std;
int main(){
int N, V;
cin >> N >> V;
vector<int> weight(N);
vector<int> values(N);
for(int i = 0; i < N; i ++){
cin >> weight[i];
cin >> values[i];
}
vector<int> dp(V + 1, 0);//这里的dp[j]是指背包容量为j时的所装的最大价值
for(int j = 0; j < V + 1; j ++){//先遍历容量，再遍历物品
for(int i = 0; i < N; i ++){
if(j >= weight[i]) dp[j] = max(dp[j], dp[j - weight[i]] + values[i]);
}
}
cout << dp[V] << endl;
}LeetCode518.零钱兑换II
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
思路：每一种面额的硬币有无限个，于是本题其实是一个完全背包的问题。
给定一个背包容量为amount，将其装满，求有多少种方法。
之前做目标和的题目的时候讲过类似的，像这样的问题递推公式一般都是dp[j]+=dp[j-nums[i]]，注意这里是将nums[i]的大小当成了第i个物品所占空间容量大下，以及所拥有的价值。
所以这道题就简单起来了。
这里先讲一下使用二维数组维护dp数组的情况，首先需要注意的是初始化的时候，不再像01背包的时候只将j==nums[0]的元素置为1，而是采用递推公式赋值，因为元素可以使用多次！
然后这里再注意一下两层循环中的递推公式，上面那道题已经强调过了。注意这些基本就没什么为题了。
int change(int amount, vector<int>& coins) {
vector<vector<int>> dp(coins.size(), vector<int>(amount + 1, 0));//dp[i][j]表示第0到i个物品中选，将容量为j的背包装满的组合数
for(int i = 0; i < coins.size(); i ++){
dp[i][0] = 1;//初始化最左边一列值
}
for(int j = coins[0]; j < amount + 1; j ++){
dp[0][j] += dp[0][j - coins[0]];//初始化第一行的值
}
for(int i = 1; i < coins.size(); i ++){
for(int j = 0; j < amount + 1; j ++){
if(j < coins[i]) dp[i][j] = dp[i - 1][j];
else dp[i][j] = dp[i - 1][j] + dp[i][j - coins[i]];//注意这里的递推公式
}
}
return dp[coins.size() - 1][amount];
}当然还是可以使用一维数组来维护。
但是请注意，这里的遍历顺序有讲究了。
先遍历物品，再遍历容量，求的是组合数；
先遍历容量，再遍历物品，求的是组合数。
为什么呢？
这样像，当先遍历物品，比如有个数组为[1,5]，amount为3，那么先遍历物品，就只会有{1，5}这个解，因为第二个物品（值为5）不可能出现在第一个物品（值为1）之前，所以最后求的就是组合数；而如果先遍历背包，后遍历物品，第二个物品（值为5）有可能出现在第一个物品（值为1）之前，所以会有{1，5}，{5，1}这样的解，这就是排列。
如果还没太明白可以自己手动模拟，写出来基本上就明白了。
于是乎，这道题求的是组合数，所以必须先遍历物品，再遍历背包容量。
int change(int amount, vector<int>& coins) {
vector<int> dp(amount + 1, 0);//dp[j]表示总金额为j时，凑满j的组合个数
dp[0] = 1;//当总和为0时，可以不放任何物品，也相当于一种方法
for(int i = 0; i < coins.size(); i ++){//先遍历物品
for(int j = coins[i]; j < amount + 1; j ++){//再遍历背包，这样就是的组合数，反之求的是排列数
dp[j] += dp[j - coins[i]];
}
}
return dp[amount];
}时间复杂度：O(mn)
空间复杂度：O(m)
LeetCode377.组合总和
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。
思路：经过上面的题后，再看这道题，就开始简单起来了。
本题给定了背包容量target，求将其装满有多少种方法，并且从题目给出的测试用例可以看出，本题不再是组合，而是排列。
所以先遍历背包容量，再遍历物品即可。
这里还需要注意一个点，因为力扣给出的测试用例中，存在有两个数相加超过了int的限，于是需要有这样一个判断，dp[j] < INT_MAX - dp[j - nums[i]]，这样能够确保能够继续更新dp数组，最后返回结果。
int combinationSum4(vector<int>& nums, int target) {
vector<int> dp(target + 1, 0);//dp[j]表示装满背包容量的组合个数
dp[0] = 1;//初始化
for(int j = 0; j < target + 1; j ++){//先遍历背包容量
for(int i = 0; i < nums.size(); i ++){//再遍历物品
if(j >= nums[i] && dp[j] < INT_MAX - dp[j - nums[i]]) dp[j] += dp[j - nums[i]];
//这里出现了两个数之和超限了，所以需要加上判断dp[j] < INT_MAX - dp[j - nums[i]]
}
}
return dp[target];
}时间复杂度：O(mn)
空间复杂度：O(m)
57. 爬楼梯
题目描述
假设你正在爬楼梯。需要 n 阶你才能到达楼顶。
每次你可以爬至多m (1 <= m < n)个台阶。你有多少种不同的方法可以爬到楼顶呢？
注意：给定 n 是一个正整数。
输入描述
输入共一行，包含两个正整数，分别表示n, m
输出描述
输出一个整数，表示爬到楼顶的方法数。
输入示例
3 2
输出示例
3
提示信息
数据范围：
1 <= m < n <= 32;当 m = 2，n = 3 时，n = 3 这表示一共有三个台阶，m = 2 代表你每次可以爬一个台阶或者两个台阶。
此时你有三种方法可以爬到楼顶。
- 1 阶 + 1 阶 + 1 阶段
- 1 阶 + 2 阶
- 2 阶 + 1 阶
思路：爬楼梯的题目我们之前做过，当时是根据推导，然后发现它和斐波那契数列相似，于是最后根据递推公式很容易就解决了。
当时能迈的步数是1或者2，但是这里是能迈1到m步！
所以这道题可以使用动态规划来解，将题目转化成给定背包容量（楼梯阶数n），尝试用1到m步来将其填满，所有的方法数有多少。注意这里的1到m可以使用多次，也就是说这一次迈一步，下一次还能迈一步，所以这又是一个完全背包问题。
同时我们还可以知道，首先迈一步，再迈两步，与首先迈两步，再迈一步是不同的结果，所以这又是求排列的问题。
这样的题目我们刚才才做过！
所以注意一下遍历顺序，先容量后物品，再注意一下初始值，也就没什么问题了。
#include<bits/stdc++.h>
using namespace std;
int main(){
int n, m;
cin >> n >> m;
vector<int> dp(n + 1, 0);//dp[j]表示到达j层楼梯时的方法总数
dp[0] = 1;//初始化
for(int j = 1; j < n + 1; j ++){
for(int i = 1; i <= m; i ++){
if(j - i >= 0) dp[j] += dp[j - i];
}
}
cout << dp[n] << endl;
return 0;
}时间复杂度：O(nm)
空间复杂度：O(n)
感谢你的阅读，希望我的文章能够给你帮助，如果有帮助，麻烦点赞加收藏，或者点点关注，非常感谢。
如果有什么问题欢迎评论区讨论！
扫一扫
144
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
