代码随想录算法训练营第37天|完全背包基础、518.零钱兑换II、377. 组合总和 Ⅳ、70. 爬楼梯（进阶版）

完全背包基础

什么是完全背包

有N件物品和一个最多能背重量为W的背包。第i件物品的重量是weight[i]，得到的价值是value[i] 。每件物品都有无限个（也就是可以放入背包多次），求解将哪些物品装入背包里物品价值总和最大。

和01背包的区别

01背包和完全背包唯一不同就是体现在遍历顺序上

• 01背包遍历背包容量需要倒序遍历
• 完全背包遍历背包容量需要正序遍历
• 01背包一定要先物品后背包
• 完全背包：标准完全背包（求最大价值）无所谓
  • 求组合数：先物品后背包
  • 求排列数：先背包后物品
    （后续需要理解为什么）

518.零钱兑换II

题目链接：link

1、题目描述

给定不同面额的硬币和一个总金额。写出函数来计算可以凑成总金额的硬币组合数。假设每一种面额的硬币有无限个。

示例 1:
输入: amount = 5, coins = [1, 2, 5]
输出: 4
解释: 有四种方式可以凑成总金额:
5=5
5=2+2+1
5=2+1+1+1
5=1+1+1+1+1

2、思路

• 重叠子问题： 当我们需要凑j元的时候，对于每一个硬币，有两种选择：“选或者不选 ”
  • 如果选这个硬币，我们需要凑$j-coins[i]$就好了（子问题）
  • 如果不选这个硬币，我们需要凑$j$
• 一看到钱币数量不限，就知道这是一个完全背包
• 硬币就是物品，物品的重量为硬币的大小，问题不再是求装满物品的价值最大，而是组合最多，所以物品不需要价值属性了
• 背包容量就是amount
• dp[j] 代表凑j元的硬币组合数
• dp[0] = 1 没有实际意义，主要是为了推导
• $dp[j]+=dp[j-coins[i]]$
• 循环顺序（求组合数）：先物品后背包；物品从小到大，背包容量从大到小

3、code

class Solution:
    def change(self, amount: int, coins: List[int]) -> int:
        # 完全背包
        # dp[j] 代表凑j元的硬币组合数
        dp = [0] * (amount+1) # dp[5]
        dp[0] = 1 # 没有实际意义，主要是为了推导
        # 先遍历硬币
        for i in range(len(coins)):#[0,2]
            for j in range(coins[i],amount+1):#[coins[i],amount]
                dp[j] += dp[j-coins[i]]
        return dp[-1]

4、复杂度分析

1️⃣ 时间复杂度：$O(M\times N)$
2️⃣ 空间复杂度：$O(N)$

377. 组合总和 Ⅳ

题目链接：377. 组合总和 Ⅳ

1、题目描述

给你一个由 不同 整数组成的数组 nums ，和一个目标整数 target 。请你从 nums 中找出并返回总和为 target 的元素组合的个数。

示例 1：
输入：nums = [1,2,3], target = 4
输出：7
解释：
所有可能的组合为：
(1, 1, 1, 1)
(1, 1, 2)
(1, 2, 1)
(1, 3)
(2, 1, 1)
(2, 2)
(3, 1)
请注意，顺序不同的序列被视作不同的组合。

2、思路

• 重叠子问题： 当我们需要凑总和$j$的时候，对于每一个数，有两种选择：“选或者不选 ”
  • 如果选这个数，我们需要凑$j-nums[i]$就好了（子问题）
  • 如果不选这个数，我们需要凑$j$
• 一看到可以重复选同一个数，就知道这是一个完全背包
• 数就是物品，物品的重量就是数值的大小，问题不再是求装满物品的价值最大，而是排列最多，所以物品不需要价值属性了
• 背包容量就是amount
• dp[j] 代表凑总和为$j$的排列数
• dp[0] = 1 没有实际意义，主要是为了推导
• $dp[j]+=dp[j-coins[i]]$
• 循环顺序（求排列数）：先背包后物品；物品从小到大，背包容量从大到小

3、code

class Solution:
    def combinationSum4(self, nums: List[int], target: int) -> int:
        # 和零钱兑换的区别是，这道题有顺序的区别
        # dp[j]代表总和为j的元素组合个数
        dp = [0] * (target+1)
        dp[0] = 1
        # 求排列数就是先背包后物品
        for j in range(0,target+1):# j:0,1,2,3,4
            for i in range(len(nums)): # i : 0,1,2
                if j >= nums[i]:
                    dp[j] += dp[j - nums[i]]
        return dp[-1]

4、复杂度分析

1️⃣ 时间复杂度：$O(M\times N)$
2️⃣ 空间复杂度：$O(N)$

70. 爬楼梯（进阶版）

题目链接：link

1、题目描述

假设你正在爬楼梯。需要 n 阶你才能到达楼顶。
每次你可以爬至多m （1 <= m < n）个台阶。你有多少种不同的方法可以爬到楼顶呢？

注意：给定 n 是一个正整数。

2、思路

• 重叠子问题： 爬到第3阶台阶，可能是从第2,1爬上来的，也就是爬第2接台阶的方法加上爬第1阶台阶的方法
• 并且爬台阶有顺序，所以是排列数
• dp[j] 就是爬到第j阶台阶的方法数
• 就是一个完全背包，求排列数的问题
• dp[0] = 1 没有实际意义，主要是为了推导
• $dp[j]+=dp[j-coins[i]]$
• 循环顺序（求排列数）：先背包后物品；物品从小到大，背包容量从大到小

3、code

n,m = map(int,input().split())
# 假设n = 3 , m =2
# 爬到第3阶台阶，可能是从第2,1爬上来的，也就是爬第2接台阶的方法加上爬第1阶台阶的方法
# 并且爬台阶有顺序，所以是排列数
# dp[j] 就是爬到第j阶台阶的方法数
dp = [0] * (n+1)

dp[0] = 1

for j in range(0,n+1):
    for i in range(1,m+1):
        dp[j] += dp[j-i]
print(dp[-1])

4、复杂度分析

1️⃣ 时间复杂度：$O(M\times N)$
2️⃣ 空间复杂度：$O(N)$