LeetCode第 518 题：零钱兑换 II(C++)

518. 零钱兑换 II - 力扣（LeetCode）

求的是组合数，顺序无关，只与物品的个数相关（与顺序相关的我们叫排列数）。

这儿有总结：动态规划背包问题总结_zj-CSDN博客

本题是典型的完全背包问题，amount视为背包容量，coins数组视为物品组。

完全背包问题可以三维dp，二维dp，一维dp，那就一步一步来吧。

完全背包问题（物品数量不限，选多少个都可以）的通用解法需要在两层for循环里面，再加一层选择的数量的循环（选择0//1/2/3/…/k个），然后在个数里面更优者（三层for循环）。

class Solution {
public:
    int change(int amount, vector<int>& coins) {
        int n = coins.size();
        //dp[i][j]表示只用前i件物品，能够装满容量j的装法种数
        vector<vector<int>> dp(n+1, vector<int>(amount+1, 0));
        dp[0][0] = 1;
        for(int i = 1; i <= n; ++i){
            for(int j = 0; j <= amount; ++j){
                for(int k = 0; k*coins[i-1] <= j; ++k){//选择0,1,2...个
                    dp[i][j] += dp[i-1][j-k*coins[i-1]];
                }
            }
        }
        return dp[n][amount];
    }
};

而这种dp的方法是最直接也是效率最低的，递推公式也可以优化的，最后只需要两层for循环：
动态规划（完全背包问题，有公式推导） - 零钱兑换 II - 力扣（LeetCode）

class Solution {
public:
    int change(int amount, vector<int>& coins) {
        int n = coins.size();
        //dp[i][j]表示只用前i件物品，能够装满容量j的装法种数
        vector<vector<int>> dp(n+1, vector<int>(amount+1, 0));
        for(int i = 0; i <= n; ++i) dp[i][0] = 1;//容量为0的时候只有全都不选一种方法
        for(int i = 1; i <= n; ++i){
            for(int j = 1; j <= amount; ++j){
                if(coins[i-1] <= j)	dp[i][j] = dp[i-1][j] + dp[i][j-coins[i-1]];//注意等号右边第二项的第一个下标是[i]而不是[i-1](01背包是i-1)
                else dp[i][j] = dp[i-1][j];
            }
        }
        return dp[n][amount];
    }
};

状态压缩：

class Solution {
public:
    int change(int amount, vector<int>& coins) {
        int n = coins.size();
        //dp[j]能够装满容量j的装法种数
        vector<int> dp(amount+1, 0);
        dp[0] = 1;//容量为0的时候不装就是一种装法
        for(int i = 0; i < n; ++i){
            for(int j = coins[i]; j <= amount; ++j){//注意完全背包的一维dp这儿是正序的（01背包是逆序的）
                dp[j] += dp[j-coins[i]];
            }
        }
        return dp[amount];
    }
};

使用内置数组会更快。。。

class Solution {
public:
    int dp[5010];
    int change(int amount, vector<int>& coins) {
        int n = coins.size();
        dp[0] = 1;
        for(int i = 0; i < n; ++i){
            for(int j = coins[i]; j <= amount; ++j)
                dp[j] += dp[j-coins[i]];
        }
        return dp[amount];
    }
};

熟悉了背包问题的通用解法与特点之后，其实直接写一维dp就可以了。