二刷代码随想录——动态规划day44

---

前言

一个本硕双非的小菜鸡，备战24年秋招，计划二刷完卡子哥的刷题计划，加油！
二刷决定精刷了，于是参加了卡子哥的刷题班，训练营为期60天，我一定能坚持下去，迎来两个月后的脱变的，加油！
推荐一手卡子哥的刷题网站，感谢卡子哥。代码随想录

动态规知识点

终于来到了守关boss。。。

动态规划中每一个状态一定是由上一个状态推导出来的

动规是由前一个状态推导出来的，而贪心是局部直接选最优的。

动规五部曲

动态规划一般分为如下五步：

1. 确定dp数组（dp table）以及下标的含义
2. 确定递推公式
3. dp数组如何初始化
4. 确定遍历顺序
5. 举例推导dp数组

        //1. 确定dp数组（dp table）以及下标的含义
        
        //2. 确定递推公式

        //3. dp数组如何初始化

        //4. 确定遍历顺序

        //5. 举例推导dp数组

解题时候多把dp数组打印出来，看看究竟是不是按照自己思路推导的。

写代码之前一定要把状态转移在dp数组的上具体情况模拟一遍，心中有数，确定最后推出的是想要的结果。

然后再写代码，如果代码没通过就打印dp数组，看看是不是和自己预先推导的哪里不一样。

如果打印出来和自己预先模拟推导是一样的，那么就是自己的递归公式、初始化或者遍历顺序有问题了。

如果和自己预先模拟推导的不一样，那么就是代码实现细节有问题。

一、52. 携带研究材料

52. 携带研究材料
Note：完全背包问题

#include <iostream>
#include <vector>

using namespace std;

void test_CompletePack(vector<int> weight, vector<int> value, int bagWeight) {
        //1. 确定dp数组（dp table）以及下标的含义
        vector<int> dp(bagWeight + 1, 0);
        
        //2. 确定递推公式
        //dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);

        //3. dp数组如何初始化

        //4. 确定遍历顺序
        for (int j = 0; j <= bagWeight; j++) {
            for (int i = 0; i < weight.size(); i++) {
                if (j - weight[i] >= 0)
                    dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
            }
        }

        //5. 举例推导dp数组
        cout << dp[bagWeight] << endl;
}

int main()
{
    int N, V;
    cin >> N >> V;
    
    vector<int> weight;
    vector<int> value;
    
    for (int i = 0; i < N; i++) {
        int w, v;
        cin >> w >> v;
        
        weight.push_back(w);
        value.push_back(v);
    }
    test_CompletePack(weight, value, V);
    return 0;
}

二、518. 零钱兑换 II

518. 零钱兑换 II
Note：完全背包问题

class Solution {
public:
    int change(int amount, vector<int>& coins) {
        vector<int> dp(amount + 1, 0);
        dp[0] = 1;

        //1. 确定dp数组（dp table）以及下标的含义
        //dp[j]：凑成金额的组合数
        
        //2. 确定递推公式
        //dp[j] += dp[j - coins[i]];

        //3. dp数组如何初始化

        //4. 确定遍历顺序
        for (int i = 0; i < coins.size(); i++) {
            for (int j = coins[i]; j <= amount; j++)
                dp[j] += dp[j - coins[i]];
        }

        //5. 举例推导dp数组
        return dp[amount];
    }
};

三、377. 组合总和 Ⅳ

377. 组合总和 Ⅳ
Note：完全背包问题

class Solution {
public:
    int combinationSum4(vector<int>& nums, int target) {
        vector<int> dp(target + 1, 0);
        dp[0] = 1;
        //1. 确定dp数组（dp table）以及下标的含义
        //dp[i]: 凑成目标正整数为i的排列个数为dp[i]
        
        //2. 确定递推公式
        //dp[i] += dp[i - nums[j]];

        //3. dp数组如何初始化

        //4. 确定遍历顺序
        for (int i = 0; i <= target; i++) {
            for (int j = 0; j < nums.size(); j++) {
                if (i - nums[j] >= 0 && dp[i] < INT_MAX - dp[i - nums[j]]) {
                    dp[i] += dp[i - nums[j]];
                }
            }
        }

        //5. 举例推导dp数组
        return dp[target];
    }
};

总结

动态规划法，和分治法极其相似。区别就是，在求解子问题时，会保存该子问题的解，后面的子问题求解时，可以直接拿来计算。