代码随想录算法训练营29期|day44 任务以及具体任务

动态规划：完全背包理论基础

本题力扣上没有原题，大家可以去卡码网第52题 (opens new window)去练习，题意是一样的。

#算法公开课

《代码随想录》算法视频公开课 (opens new window)：带你学透完全背包问题！  (opens new window)，相信结合视频再看本篇题解，更有助于大家对本题的理解。

#思路

#完全背包

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。

同样leetcode上没有纯完全背包问题，都是需要完全背包的各种应用，需要转化成完全背包问题，所以我这里还是以纯完全背包问题进行讲解理论和原理。

在下面的讲解中，我依然举这个例子：

背包最大重量为4。

物品为：

	重量	价值
物品0	1	15
物品1	3	20
物品2	4	30

每件商品都有无限个！

问背包能背的物品最大价值是多少？

01背包和完全背包唯一不同就是体现在遍历顺序上，所以本文就不去做动规五部曲了，我们直接针对遍历顺序经行分析！

关于01背包我如下两篇已经进行深入分析了：

• 动态规划：关于01背包问题，你该了解这些！(opens new window)
• 动态规划：关于01背包问题，你该了解这些！（滚动数组）(opens new window)

首先再回顾一下01背包的核心代码

for(int i = 0; i < weight.size(); i++) { // 遍历物品
    for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
        dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
    }
}

我们知道01背包内嵌的循环是从大到小遍历，为了保证每个物品仅被添加一次。

而完全背包的物品是可以添加多次的，所以要从小到大去遍历，即：

// 先遍历物品，再遍历背包
for(int i = 0; i < weight.size(); i++) { // 遍历物品
    for(int j = weight[i]; j <= bagWeight ; j++) { // 遍历背包容量
        dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);

    }
}

至于为什么，我在动态规划：关于01背包问题，你该了解这些！（滚动数组） (opens new window)中也做了讲解。

dp状态图如下：

相信很多同学看网上的文章，关于完全背包介绍基本就到为止了。

其实还有一个很重要的问题，为什么遍历物品在外层循环，遍历背包容量在内层循环？

这个问题很多题解关于这里都是轻描淡写就略过了，大家都默认 遍历物品在外层，遍历背包容量在内层，好像本应该如此一样，那么为什么呢？

难道就不能遍历背包容量在外层，遍历物品在内层？

看过这两篇的话：

• 动态规划：关于01背包问题，你该了解这些！(opens new window)
• 动态规划：关于01背包问题，你该了解这些！（滚动数组）(opens new window)

就知道了，01背包中二维dp数组的两个for遍历的先后循序是可以颠倒了，一维dp数组的两个for循环先后循序一定是先遍历物品，再遍历背包容量。

在完全背包中，对于一维dp数组来说，其实两个for循环嵌套顺序是无所谓的！

因为dp[j] 是根据 下标j之前所对应的dp[j]计算出来的。 只要保证下标j之前的dp[j]都是经过计算的就可以了。

遍历物品在外层循环，遍历背包容量在内层循环，状态如图：

遍历背包容量在外层循环，遍历物品在内层循环，状态如图：

看了这两个图，大家就会理解，完全背包中，两个for循环的先后循序，都不影响计算dp[j]所需要的值（这个值就是下标j之前所对应的dp[j]）。

•  518. 零钱兑换 II 

  class Solution {
      public int change(int amount, int[] coins) {
          //递推表达式
          int[] dp = new int[amount + 1];
          //初始化dp数组，表示金额为0时只有一种情况，也就是什么都不装
          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];
      }
  }

  思路：该题与494.目标和的题目类似，都是求组合的组数，该题的区别就是多重背包，可以放多个相同的物品。

•  377. 组合总和 Ⅳ 

  class Solution {
      public int combinationSum4(int[] nums, int target) {
          int[] dp = new int[target + 1];
          dp[0] = 1;
          for (int i = 0; i <= target; i++) {
              for (int j = 0; j < nums.length; j++) {
                  if (i >= nums[j]) {
                      dp[i] += dp[i - nums[j]];
                  }
              }
          }
          return dp[target];
      }
  }

  思路：与上题一样，本题是求解排列，讲究顺序，211和112不一样，先遍历背包在遍历物品，这样的话就有顺序之分。