一、前言
参考文献:代码随想录
今天的主题是动态规划中的完全背包问题,完全背包的与01背包的区别是:
完全背包:可以里面的物品可以使用无数次;
01背包:里面的物品是允许使用一次;
二、完全背包
1、思路:
这里参考的是卡码网的完全背包问题;
首先和动态规划五部曲一摸一样:
(1)确定dp数组:
vector<int> dp(V + 1, 0);
这里的dp数组和之前的滚动数组一样,采用的是复制的方法来替代二维数组的存数问题;
而且这里的默认初始化也为0,因为作比较的非负数最小就是0;
(2)递推公式:
dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
还是与之前一样的,把dp[j]进行复制,然后再与dp[j - weight[i]] + value[i]]进行比较,选一个最大的;
(3)遍历顺序:
for (int i = 0; i < N; i++) {
for (int j = weight[i]; j <= V; j++) {
// 3、递推公式
dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
}
}
这里就有所区别了首先第一层for循环一样的,只是这里的第二层for循环代表的是从小开始遍历,然后这样的话每一个物品就可以被多次的使用,多次的相加到总价里面了。这里与之前的一个01背包的题目行程了反比;
2、整体代码如下:
#include<iostream>
#include<vector>
using namespace std;
int main() {
// 输入
int N; // 研究材料的种类
int V; // 行李空间
cin >> N >> V;
vector<int> value(N);
vector<int> weight(N);
for (int i = 0; i < N; i++) {
cin >> weight[i] >> value[i];
}
// 1、创建dp数组
vector<int> dp(V + 1, 0); // 默认初始化
//2、遍历顺序
for (int i = 0; i < N; i++) {
for (int j = weight[i]; j <= V; j++) {
// 3、递推公式
dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
}
}
cout << dp[V] << endl;
return 0;
}
三、 零钱兑换 II
1、思路:
这里的一维感觉比二维好理解;
还是使用dp五部曲
(1)dp数组的确定:
vector<int> dp(amount + 1, 0);
dp代表种数j代表找钱的大小;
(2)初始化:
dp[0] = 1;
因为当要找的钱为0时,就 有一种找钱方案,那就是0;
(3)递推公式:
dp[j] += dp[j - coins[i]];
这里就是进行重复的元素使用,不是简单的复制,而是累加;(其中包含了去重)
(4)遍历顺序:
for (int i = 0; i < coins.size(); i++) {
for (int j = coins[i]; j <= amount; j++) {
// 递推公式,当前的种类,加上加上当前面额的方式
dp[j] += dp[j - coins[i]];
}
}
第一层for循环没什么好讲的,第二层就是与完全背包相似了,多次使用相同的元素,从小开始遍历;
2、整体代码如下:
(1)一维:
class Solution {
public:
int change(int amount, vector<int>& coins) {
// 1、确定dp数组
/*
用的是完全背包的思路
*/
// dp数组代表排列的种数
// 下标代表容量
vector<int> dp(amount + 1, 0);
// 找钱为0时,那么就有一种的方式
dp[0] = 1;
// 遍历方式
for (int i = 0; i < coins.size(); i++) {
for (int j = coins[i]; j <= amount; j++) {
// 递推公式,当前的种类,加上加上当前面额的方式
dp[j] += dp[j - coins[i]];
}
}
// 打印dp数组
// for (auto i : dp) {
// cout << i << endl;
// }
return dp[amount];
}
};
(2)二维:
class Solution {
public:
int change(int amount, vector<int>& coins) {
// 1、确定dp数组
// 下标代表容量
// dp的值代表搭配方案的种数,i代表物品,j代表容量
vector<vector<int>> dp(coins.size() + 1, vector<int>(amount + 1, 0));
// 找钱为0时,那么就有一种的方式
dp[0][0] = 1;
// 遍历方式
for (int i = 1; i <= coins.size(); i++) {
// 初始化
dp[i][0] = 1;
for (int j = 1; j <= amount; j++) {
// 递推公式,当前的种类,加上加上当前面额的方式
if (j < coins[i - 1]) {
dp[i][j] = dp[i - 1][j];
} else {
// 这个递推公式很巧妙,当容量超过或者等于当前的零钱时
// 就直接加上前一个的种数and装上这个零钱的种数;
dp[i][j] = dp[i][j - coins[i - 1]] + dp[i - 1][j];
}
}
}
// 打印dp数组
for (auto i : dp) {
for (auto j : i) {
cout << j << " ";
}
cout << endl;
}
return dp[coins.size()][amount];
}
};
四、 组合总和 Ⅳ
1、思路:
这个与找零钱的思路差不多,但是!
有一个重点!就是遍历顺序,在卡哥的文章中提到:
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。
这就是终点,解释如下:
如果把遍历nums(物品)放在外循环,遍历target的作为内循环的话,举一个例子:计算dp[4]的时候,结果集只有 {1,3} 这样的集合,不会有{3,1}这样的集合,因为nums遍历放在外层,3只能出现在1后面!
也就是说,当先遍历背包时就会出现数字都是被固定顺序的,但是如果先遍历数字,在确定背包大小就可以有不同的组合出现;
2、整体代码如下:
class Solution {
public:
int combinationSum4(vector<int>& nums, int target) {
// 1、确定dp数组
// dp为种数,j为背包大小
// 这里用unsigned是为了避免越界
vector<unsigned int> dp(target + 1, 0);
// 2、初始化,target为0,则种类有1种
dp[0] = 1;
// 3、遍历顺序
for (int i = 1; i <= target; i++) {
for (int j = 0; j < nums.size(); j++) {
// 确定大小
if (i >= nums[j]) {
dp[i] += dp[i - nums[j]];
}
}
}
return dp[target];
}
};
今日学习时间:1.5小时
leave message:
If you are able to appreciate beauty in the ordinary, your life will be more vibrant.
如果你擅长于平凡生活中的美,那么你的生活会更加多姿多彩。