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:
- 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!
dp[j]
:凑成总金额j的货币组合数为dp[j]
dp[j] += dp[j - coins[i]]
- 求组合数就是外层for循环遍历物品,内层for遍历背包
- 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:
- 本题就是求排列
- 如果本题要把排列都列出来的话,只能使用回溯算法爆搜
dp[i]
: 凑成目标正整数为i的排列个数为dp[i]
dp[i] += dp[i - nums[j]]
- 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)