完全背包是0-1背包的升级版,不限制每个物体的数量
先看0-1背包问题的滚动数组版本0-1背包问题
求最大价值
给个例子
> weight = {1, 3, 4, 2}
> value = {15, 20, 30, 35}
> bagWeight = 4
这是个完全背包,求装物体能得到的最大价值
学过0-1背包的滚动数组版本,就知道外层正序遍历物体,内层逆序遍历容量。内层之所以逆序是怕重复使用同一层之前更新过的数据,即重复装入同一物体。
for(int i=0; i<weight.length; ++i){
for(int j=bagweight; j>=weight[i]; --j){
dp[j] = Math.max(dp[j], dp[j-weight[i]]+value[i]);
}
}
完全背包的算法就是把0-1背包的逆序改回正序,让他能够重复装入同一物体。
for(int i=0; i<weight.length; ++i){
for(int j=weight[i]; j<=bagWeight; ++j){
dp[j] = Math.max(dp[j], dp[j-weight[i]]+value[i]);
}
}
完全背包问题的内外循环可以交换,因为无论哪个顺序都能获得左手边对应的数据,且不用考虑重复问题
for(int i=0; i<=bagWeight; ++i){
for(int j=0; j<weigth.length; ++j){
if(i>=weight[j])//这里不能像上面一样直接让i从weight[j]开始,因为外层访问不到j
dp[i] = Math.max(dp[i], dp[i-weight[j]]+value[j]);
}
}
求能够装满的组合数
组合数求解是外层遍历物体内层遍历容量,目的是保证物体放入的顺序不存在倒序情况,这样只会出现(物体1,物体2)而不会出现(物体2,物体1)的情况
518. 零钱兑换 II
给个例子
> weight = {1, 3, 4, 2}
> bagWeight = 4
这是个完全背包,求能够装满背包的组合数
组合的意思是不同排列但是相同元素算一种组合
解法同0-1背包的组合数问题
for(int i=0; i<weight.length; ++i){
for(int j=weight[i]; j<=bagWeight; ++j){
dp[j] += dp[j-weight[i]];
}
}
求能够装满的排列数
如果交换组合数问题的内外层循环就会变成排列数问题
因为外层遍历容量内层遍历物体,就会出现物体倒序进入的情况,比如在dp[3]的时候有放入过重量为3的2号物体,在dp[4]的时候就会出现在放入过重量为3的2号物体之后又放入重量为1的1号物体的情况。
70. 爬楼梯
377. 组合总和 Ⅳ
for(int i=0; i<=bagWeight; ++i){
for(int j=0; j<weigth.length; ++j){
if(i>=weight[j])//这里不能像上面一样直接让i从weight[j]开始,因为外层访问不到j
dp[i] += dp[i-weight[j]];
}
}
完全背包里找能填满背包的最小物品个数
322. 零钱兑换
279. 完全平方数
和找最大价值很相似
以下以322为例:
要注意的是:
- 这里使用的是Math.min而不是max,对于找最大价值来说所有元素默认初始化为0已经符合使用max的要求了,但是如果在找最小价值(个数)时还用默认初始化的0就会导致整个dp数组最后全是0(因为0最小,怎么比结果都是0)
- 为了让min能够取到我们要的数,初始化整个数组为最大的整数MAX_VALUE
- 在更新dp[j]之前要判断,dp[j-weight[i]]里面是否是有用数据(!=MAX_VALUE),如果没装过数据那就不能去走min的流程(因为MAX_VALUE+1会溢出变成-2147483648,这就很捞,在有的题里会直接把你的Math.min(dp[j], dp[j-numbers[i]]+1)变成-2147483648)
class Solution {
public int coinChange(int[] coins, int amount) {
int[] dp = new int[amount+1];
int max = Integer.MAX_VALUE;
Arrays.fill(dp ,max);
dp[0] = 0;
for(int i=0; i<coins.length; ++i){
for(int j=coins[i]; j<=amount; ++j){
if(dp[j-coins[i]]!=max)
dp[j] = Math.min(dp[j-coins[i]]+1,dp[j]);
}
}
return (dp[amount]==max)?-1:dp[amount];
}
}