动态规划——完全背包

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];
    }
}