动态规划完全背包之518零钱兑换 II

最新推荐文章于 2024-11-02 15:25:13 发布

麻摆子

最新推荐文章于 2024-11-02 15:25:13 发布

阅读量323

点赞数

分类专栏：代码随想录随手刷文章标签：动态规划算法

本文链接：https://blog.csdn.net/mabaizi/article/details/131754134

版权

代码随想录随手刷专栏收录该内容

15 篇文章 0 订阅

订阅专栏

文章介绍了如何使用动态规划解决零钱兑换II问题，重点在于理解完全背包的概念和递推公式。通过两次遍历，先遍历物品再遍历背包容量，计算出凑成给定金额的硬币组合数。核心代码展示了如何更新动态规划数组以得到最终答案。

摘要由CSDN通过智能技术生成

题目：

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。

题目链接：518. 零钱兑换 II - 力扣（LeetCode）

示例：

回顾：

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]);

    }
}

解法：

这个递推公式和494目标和是一样的，即求装满背包有几种方法，公式都是：dp[j] += dp[j - nums[i]];

遍历方式：

（1）先遍历物品，再遍历背包容量：是求组合数，也就是物品的前后顺序不重要。

（2）先遍历背包容量，再遍历物品：是求排列数，也就是物品的前后顺序重要。

class Solution {
public:
    int change(int amount, vector<int>& coins) 
    {
        vector<int>dp(amount+1,0);//dp[j]:凑成j元最多方式数
        dp[0]=1;
        //先遍历物品，再遍历背包容量
        for(int i=0;i<coins.size();i++)
        {
            for(int j=coins[i];j<=amount;j++)
            {
                dp[j] += dp[j - coins[i]];//求解法数和求背包最大价值总和是不一样的
            }
        }
        return dp[amount];

    }
};