代码随想录算法训练营第四十四天 | 完全背包，518. 零钱兑换 II，377. 组合总和 Ⅳ

代码随想录算法训练营第四十四天 | 完全背包，518. 零钱兑换 II，377. 组合总和 Ⅳ

1.1 完全背包

• 每件物品都有无限个（也就是可以放入背包多次）
• 01背包和完全背包唯一不同就是体现在遍历顺序上
• 完全背包的物品是可以添加多次的，所以要从小到大去遍历
• 在完全背包中，对于一维dp数组来说，其实两个for循环嵌套顺序是无所谓的！

// 先遍历物品，再遍历背包
for(int i = 0; i < weight.size(); i++) { // 遍历物品
    for(int j = weight[i]; j <= bagWeight ; j++) { // 遍历背包容量
        dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);

    }
}

// 先遍历物品，在遍历背包
void test_CompletePack() {
    vector<int> weight = {1, 3, 4};
    vector<int> value = {15, 20, 30};
    int bagWeight = 4;
    vector<int> dp(bagWeight + 1, 0);
    for(int i = 0; i < weight.size(); i++) { // 遍历物品
        for(int j = weight[i]; j <= bagWeight; j++) { // 遍历背包容量
            dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
        }
    }
    cout << dp[bagWeight] << endl;
}
int main() {
    test_CompletePack();
}

1.2 518. 零钱兑换 II

思路：

1. 纯完全背包是凑成背包最大价值是多少，而本题是要求凑成总金额的物品组合个数！
2. dp[j]：凑成总金额j的货币组合数为dp[j]
3. dp[j] += dp[j - coins[i]]
4. 求组合数就是外层for循环遍历物品，内层for遍历背包
5. 求排列数就是外层for遍历背包，内层for循环遍历物品

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

• 时间复杂度: O(mn)，其中 m 是amount，n 是 coins 的长度
• 空间复杂度: O(m)

1.3 377. 组合总和 Ⅳ

思路：

1. 本题就是求排列
2. 如果本题要把排列都列出来的话，只能使用回溯算法爆搜
3. dp[i]: 凑成目标正整数为i的排列个数为dp[i]
4. dp[i] += dp[i - nums[j]]
5. C++测试用例有两个数相加超过int的数据，所以需要在if里加上dp[i] < INT_MAX - dp[i - num]

class Solution {
public:
    int combinationSum4(vector<int>& nums, int target) {
        vector<int> dp(target + 1, 0);
        dp[0] = 1;
        for (int i = 0; i <= target; i++) { // 遍历背包
            for (int j = 0; j < nums.size(); j++) { // 遍历物品
                if (i - nums[j] >= 0 && dp[i] < INT_MAX - dp[i - nums[j]]) {
                    dp[i] += dp[i - nums[j]];
                }
            }
        }
        return dp[target];
    }
};

• 时间复杂度: O(target * n)，其中 n 为 nums 的长度
• 空间复杂度: O(target)