【518. 零钱兑换 II】
从这个题目开始我们进入了完全背包这种类型题目的学习。完全背包和01背包最大的不同点在,完全背包里面元素的使用是无限次的。对应到遍历顺序上就是,一维dp数组的内部for循环是正向开始遍历的。
这个题目比较简单,递推公式跟上一题求组合的数量是一样的。、
所以代码如下:
class Solution {
public:
int change(int amount, vector<int>& coins) {
vector<int> dp(amount + 1, 0);
dp[0] = 1;
for(int i = 0; i < coins.size(); i++){
for(int j = coins[i]; j <= amount; j++){
dp[j] += dp[j - coins[i]];
}
}
return dp[amount];
}
};
【377. 组合总和 Ⅳ】
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。
dp数组的含义不变,只变换遍历的顺序就可以得到排列和组合的不同结果。
例如:
dp[4] = dp[4-nums[0]] + dp[4-nums[1]] + dp[4-nums[2]]
也就是:
dp[4] = dp[3] + dp[2] + dp[1]
外层for遍历背包,内层for遍历物品的时候,就可以得到排列的结果
被添加的 | 原来的 | |||
dp[3] 当添加1的时候,有dp[3]种不同的排列可以得到dp[4] | 1 | 1 | 1 | 1 |
1 | 1 | 2 | ||
1 | 2 | 1 | ||
1 | 3 | |||
dp[2] 当添加2的时候,有dp[2]种不同的排列可以得到dp[4] | 2 | 1 | 1 | |
2 | 2 | |||
dp[1] 当添加3的时候,有dp[1]种不同的排列可以得到dp[4] | 3 | 1 |
这样子看就很清晰了。
代码如下:
class Solution {
public:
int combinationSum4(vector<int>& nums, int target) {
vector<int> dp(target + 1, 0);
dp[0] = 1;
for (int i = 0; i <= target; i++) { // 遍历背包
for (int j = 0; j < nums.size(); j++) { // 遍历物品
if (i - nums[j] >= 0 && dp[i] < INT_MAX - dp[i - nums[j]]) {
dp[i] += dp[i - nums[j]];
}
}
}
return dp[target];
}
};