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。