DP42 【模板】完全背包
【模板】完全背包_牛客题霸_牛客网
题目描述：
描述
你有一个背包，最多能容纳的体积是V。
现在有n种物品，每种物品有任意多个，第i种物品的体积为��vi ,价值为��wi。
（1）求这个背包至多能装多大价值的物品？
（2）若背包恰好装满，求至多能装多大价值的物品？
输入描述：
第一行两个整数n和V，表示物品个数和背包体积。
接下来n行，每行两个数��vi和��wi，表示第i种物品的体积和价值。
1≤�,�≤10001≤n,V≤1000
输出描述：
输出有两行，第一行输出第一问的答案，第二行输出第二问的答案，如果无解请输出0。
解题思路：
算法思路：
背包问题的状态表⽰⾮常经典，如果⼤家不知道怎么来的，就把它当成⼀个模板记住吧~
我们先解决第⼀问：
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。（这⾥是和 01背包⼀样哒）
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：
i.
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]
；
ii.
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]
；
iii.
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]
；
iv.
......
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][j-
2*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]...)
我们发现，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]
。
接下来解决第⼆问：
第⼆问仅需微调⼀下
dp
过程的五步即可。
因为有可能凑不⻬
j
体积的物品，因此我们把不合法的状态设置为
-1
。
1.
状态表⽰：
dp[i][j]
表⽰：从前
i
个物品中挑选，总体积正好等于
j
，所有的选法中，能挑选出来的
最⼤价值。
2.
状态转移⽅程：
dp[i][j] = max(dp[i - 1][j], dp[i][j - v[i]] + w[i])
。
但是在使⽤
dp[i][j - v[i]]
的时候，不仅要判断
j >= v[i]
，⼜要判断
dp[i][j -
v[i]]
表⽰的情况是否存在，也就是
dp[i][j - v[i]] != -1
。
3.
初始化：
我们多加⼀⾏，⽅便我们的初始化：
i.
第⼀个格⼦为
0
，因为正好能凑⻬体积为
0
的背包；
ii.
但是第⼀⾏后⾯的格⼦都是
-1
，因为没有物品，⽆法满⾜体积⼤于
0
的情况。
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：
由于最后可能凑不成体积为
V
的情况，因此返回之前需要特判⼀下。
解题代码：
#include <iostream>
#include<string.h>
#include<vector>
using namespace std;
int n, V;
const int N = 1010;
int v[N], w[N];
int dp[N];
int main() {
cin >> n >> V;
for (int i = 1; i <= n; i++) cin >> v[i] >> w[i];
for (int i = 1; i <= n; i++) {
for (int j = 0; j <= V; j++) {
dp[j] = dp[j];
if (j >= v[i]) dp[j] = max(dp[j], dp[j - v[i]] + w[i]);
}
}
cout << dp[V] << endl;
memset(dp,0,sizeof(dp));
for(int j=1;j<=V;j++)dp[j]=-1;
for(int i=1;i<=n;i++)
{
for(int j=0;j<=V;j++)
{
dp[j]=dp[j];
if(j>=v[i]&&dp[j-v[i]]!=-1)
dp[j]=max(dp[j],dp[j-v[i]]+w[i]);
}
}
cout << (dp[V] == -1 ? 0 : dp[V]) << endl;
return 0;
}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。
解题思路：
算法思路：
先将问题「转化」成我们熟悉的题型。
i.
在⼀些物品中「挑选」⼀些出来，然后在满⾜某个「限定条件」下，解决⼀些问题，⼤概率
是「背包」模型；
ii.
由于每⼀个物品都是⽆限多个的，因此是⼀个「完全背包」问题。
接下来的分析就是基于「完全背包」的⽅式来的。
1.
状态表⽰：
dp[i][j]
表⽰：从前
i
个硬币中挑选，总和正好等于
j
，所有的选法中，最少的硬币个
数。
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：
i.
选
0
个第
i
个硬币：此时相当于就是去前
i - 1
个硬币中挑选，总和正好等于
j
。
此时最少的硬币个数为
dp[i - 1][j]
；
ii.
选
1
个第
i
个硬币：此时相当于就是去前
i - 1
个硬币中挑选，总和正好等于
j -
v[i]
。因为挑选了⼀个
i
硬币，此时最少的硬币个数为
dp[i - 1][j -
coins[i]] + 1
；
ii.
选
2
个第
i
个硬币：此时相当于就是去前
i - 1
个硬币中挑选，总和正好等于
j
- 2 * coins
。因为挑选了两个
i
硬币，此时最少的硬币个数为
dp[i - 1][j -
2 * coins[i]] + 2
；
iv.
......
结合我们在完全背包⾥⾯的优化思路，我们最终得到的状态转移⽅程为：
dp[i][j] = min(dp[i - 1][j], dp[i][j - coins[i]] + 1)
。
这⾥教给⼤家⼀个技巧，就是相当于把第⼆种情况
dp[i - 1][j - coins[i]] + 1
⾥
⾯的
i - 1
变成
i
即可。
3.
初始化：
初始化第⼀⾏即可。
这⾥因为取
min
，所以我们可以把⽆效的地⽅设置成⽆穷⼤
(0x3f3f3f3f)
因为这⾥要求正好凑成总和为
j
，因此，需要把第⼀⾏除了第⼀个位置的元素，都设置成⽆穷
⼤。
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]
。但是要特判⼀下，因为有可能凑不到。
解题代码：
class Solution {
public:
int coinChange(vector<int>& coins, int amount) {
const int INT=0x3f3f3f3f;
int n=coins.size();
vector<vector<int>>dp(n+1,vector<int>(amount+1));
for(int j=1;j<=amount;j++) dp[0][j]=INT;
for(int i=1;i<=n;i++)
{
for(int j=0;j<=amount;j++)
{
dp[i][j]=dp[i-1][j];
if(j>=coins[i-1])
dp[i][j]=min(dp[i][j],dp[i][j-coins[i-1]]+1);
}
}
return dp[n][amount]>=INT?-1:dp[n][amount];
}
};
555
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
