动态规划完全背包 fullbackpack
之前我们了解了0-1背包,完全背包和0-1背包最大的差距就是完全背包每个物品有无数件,和0-1背包每个物品只有1件。
0-1背包和完全背包不同的地方就是在于背包的遍历方式,0-1背包确保每个物品只可以使用一次从后往前遍历,而完全背包就完全不考虑这个问题,他就是从前往后遍历
但是使用完全背包的时候一定要注意,如果我们先遍历物品在遍历背包,那么就不考虑顺序的问题如[2,1,2],[2,2,1] 他们都会看成[1,2,2]
如果我们先遍历物品在遍历背包,那么他们就会被看成独立的个体,在下面的题目我们会详细讲解。
接下来我们用Leetcode的几个经典的fullbackpack题目来描述。
吃水不忘挖井人,感谢代码随想录。
Leetcode 518
ideas
首先我们由题意得知我们的背包最大容量为amount,那么我们初始化好DP数组。
int[] dp = new int[amount+1];
dp[0] = 1; //当背包容量为0,只有一种办法,就是啥都不要
接下来我们进行DP推导,由于这个题[2,1,2],[2,2,1] 他们都会看成[1,2,2],所以我们要先遍历物品
//先遍历物品
for (int i = 0; i < coins.length; i++) {
//在遍历背包
for (int j = coins[i]; j <= amount; j++) {
dp[j] += dp[j-coins[i]];
}
}
code
class Solution {
public int change(int amount, int[] coins) {
int[] dp = new int[amount+1];
dp[0] = 1; //当背包容量为0,只有一种办法,就是啥都不要
for (int i = 0; i < coins.length; i++) {
for (int j = coins[i]; j <= amount; j++) {
dp[j] += dp[j-coins[i]];
}
}
return dp[amount];
}
}
Leetcode 377
ideas
由题意我们得知我们背包最大容量为4,则我们创建dp数组和初始化。
int[] dp = new int[target+1];
dp[0] =1;
[2,1,2],[2,2,1] [1,2,2]他们都会看成一个独立的个体,所以我们必须先遍历背包,在遍历物品
for (int i = 0; i < dp.length; i++) {
for (int j = 0; j < nums.length; j++) {
if (i-nums[i] >=0)dp[i] += dp[i - nums[j]];
}
}
code
public int combinationSum4(int[] nums, int target) {
int[] dp = new int[target+1];
dp[0] =1;
for (int i = 0; i < dp.length; i++) {
for (int j = 0; j < nums.length; j++) {
if (i-nums[i] >=0)dp[i] += dp[i - nums[j]];
}
}
return dp[target];
}
Leetcode 322
ideas
我们由题意得出最大容量为amount,由于题目要求求最小的数量,我们对dp数组进行所以哦数据为MAX,dp[0] is 0,因为如果金钱为0,就啥也没有。
int[] dp = new int[amount+1];
Arrays.fill(dp,Integer.MAX_VALUE);
dp[0] = 0;
接下来进行遍历dp
for (int i = 0; i < coins.length; i++) {
for (int j = coins[i]; j <= amount; j++) {
if (dp[j-coins[i]] != Integer.MAX_VALUE)
dp[j] = Math.min(dp[j],dp[j-coins[i]]+1);
}
}
如果我们dp最后一个元素为max那么直接返回-1,就说明没有匹配,
return dp[amount] == Integer.MAX_VALUE ? -1 : dp[amount];
code
class Solution {
public int coinChange(int[] coins, int amount) {
int[] dp = new int[amount+1];
Arrays.fill(dp,Integer.MAX_VALUE);
dp[0] = 0;
for (int i = 0; i < coins.length; i++) {
for (int j = coins[i]; j <= amount; j++) {
if (dp[j-coins[i]] != Integer.MAX_VALUE)
dp[j] = Math.min(dp[j],dp[j-coins[i]]+1);
}
}
return dp[amount] == Integer.MAX_VALUE ? -1 : dp[amount];
}
}