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。
完全背包和01背包问题唯一不同的地方就是，每种物品有无限件。
01背包和完全背包唯一不同就是体现在遍历顺序上
首先看一下01背包的核心代码
for(int i = 0; i < weight.size(); i++) { // 遍历物品
for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
}
}
01背包内嵌的循环是从大到小遍历，为了保证每个物品仅被添加一次。
而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，即：
// 先遍历物品，再遍历背包
for (int i = 0; i < weight.length; i++){ // 遍历物品
for (int j = weight[i]; j <= bagWeight; j++){ // 遍历背包容量
dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
}
}
纯完全背包，要求先用二维dp数组实现，然后再用一维dp数组实现，最后在问，两个for循环的先后是否可以颠倒？ 可以颠倒！！！
代码实现
//先遍历物品，再遍历背包
private static void testCompletePack(){
int[] weight = {1, 3, 4};
int[] value = {15, 20, 30};
int bagWeight = 4;
int[] dp = new int[bagWeight + 1];
for (int i = 0; i < weight.length; i++){ // 遍历物品
for (int j = weight[i]; j <= bagWeight; j++){ // 遍历背包容量
dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
}
}
for (int maxValue : dp){
System.out.println(maxValue + " ");
}
}
//先遍历背包，再遍历物品
private static void testCompletePackAnotherWay(){
int[] weight = {1, 3, 4};
int[] value = {15, 20, 30};
int bagWeight = 4;
int[] dp = new int[bagWeight + 1];
for (int i = 1; i <= bagWeight; i++){ // 遍历背包容量
for (int j = 0; j < weight.length; j++){ // 遍历物品
if (i - weight[j] >= 0){
dp[i] = Math.max(dp[i], dp[i - weight[j]] + value[j]);
}
}
}
for (int maxValue : dp){
System.out.println(maxValue + " ");
}
}
518. 零钱兑换 II(组合问题)
题目
给你一个整数数组 coins 表示不同面额的硬币，另给一个整数 amount 表示总金额。
请你计算并返回可以凑成总金额的硬币组合数。如果任何硬币组合都无法凑出总金额，返回 0 。
假设每一种面额的硬币有无限个。
示例：
1.确定dp数组以及下标的含义
dp[j]：凑成总金额j的货币组合数为dp[j]
2.确定递推公式
dp[j] （考虑coins[i]的组合总和） 就是所有的dp[j - coins[i]]（不考虑coins[i]）相加。
所以递推公式：dp[j] += dp[j - coins[i]];
3.初始化
首先dp[0]一定要为1，dp[0] = 1是 递归公式的基础。
从dp[i]的含义上来讲就是，凑成总金额0的货币组合数为1。
4.确定遍历顺序
外层for循环遍历物品（钱币），内层for遍历背包（金钱总额）
代码
class Solution {
public int change(int amount, int[] coins) {
//dp[j] 代表 总金额为j的硬币组合数为dp[j]；
int[] dp = new int[amount+1];
dp[0] = 1;
//先遍历物品，再遍历背包
for(int i = 0; i < coins.length; i++){
for(int j = coins[i]; j <= amount; j++){
dp[j] += dp[j - coins[i]];
}
}
return dp[amount];
}
}
377. 组合总和 Ⅳ（排列问题）
题目
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：
！！！确定遍历顺序
如果求组合数就是外层for循环遍历物品，内层for遍历背包。
如果求排列数就是外层for遍历背包，内层for循环遍历物品。
代码
class Solution {
public int combinationSum4(int[] nums, int target) {
int[] dp = new int[target+1];
dp[0] = 1;
// 如果求排列数就是外层for遍历背包，内层for循环遍历物品。
for(int i = 1; i <= target; i++){
for(int j = 0; j < nums.length ; j++){
if(i >= nums[j]){
dp[i] += dp[i-nums[j]];
}
}
}
return dp[target];
}
}
爬楼梯问题
一步一个台阶，两个台阶，三个台阶，…，直到 m个台阶。问有多少种不同的方法可以爬到楼顶呢？
!!! 排列问题 1、2 步 和 2、1 步都是上三个台阶，但是这两种方法不一样！
代码
class Solution {
public int climbStairs(int n) {
int[] dp = new int[n + 1];
int[] weight = {1,2};
dp[0] = 1;
for (int i = 0; i <= n; i++) {
for (int j = 0; j < weight.length; j++) {
if (i >= weight[j])
dp[i] += dp[i - weight[j]];
}
}
return dp[n];
}
}
322. 零钱兑换
题目
给你一个整数数组 coins ，表示不同面额的硬币；以及一个整数 amount ，表示总金额。
计算并返回可以凑成总金额所需的 最少的硬币个数 。如果没有任何一种硬币组合能组成总金额，返回 -1 。
你可以认为每种硬币的数量是无限的。
示例：
1.确定dp数组以及下标的含义
dp[j]：凑足总额为j所需钱币的最少个数为dp[j]
2.确定递推公式
凑足总额为j - coins[i]的最少个数为dp[j - coins[i]]，那么只需要加上一个钱币coins[i]即dp[j - coins[i]] + 1就是dp[j]（考虑coins[i]）
所以dp[j] 要取所有 dp[j - coins[i]] + 1 中最小的。递推公式：
dp[j] = min(dp[j - coins[i]] + 1, dp[j]);
3.初始化
凑足总金额为0所需钱币的个数一定是0，那么dp[0] = 0;
dp[j]必须初始化为一个最大的数，否则就会在min(dp[j - coins[i]] + 1, dp[j])比较的过程中被初始值覆盖。
4.确定遍历顺序
本题并不强调集合是组合还是排列。所以，外层for循环遍历物品，内层for遍历背包或者外层for遍历背包，内层for循环遍历物品 ！
代码
class Solution {
public int coinChange(int[] coins, int amount) {
//dp[j]：凑足总额为j所需钱币的最少个数为dp[j]
int len = coins.length;
int[] dp = new int[amount+1];
dp[0] = 0;
for(int j = 1; j <= amount; j++){
dp[j] = Integer.MAX_VALUE;
}
for(int i = 0; i < len; i++){
for(int j = coins[i]; j <= amount; j++){
if(dp[j-coins[i]] != Integer.MAX_VALUE)
dp[j] = Math.min(dp[j],dp[j-coins[i]]+1);
}
}
return dp[amount] == Integer.MAX_VALUE ? -1 : dp[amount];
}
}
279. 完全平方数
题目
给你一个整数 n ，返回 和为 n 的完全平方数的最少数量 。
完全平方数 是一个整数，其值等于另一个整数的平方；换句话说，其值等于一个整数自乘的积。例如，1、4、9 和 16 都是完全平方数，而 3 和 11 不是。
示例：
思路
完全平方数就是物品（可以无限件使用），凑个正整数n就是背包，问凑满这个背包最少有多少物品？
1.确定dp数组（dp table）以及下标的含义
dp[j]：和为j的完全平方数的最少数量为dp[j]
2.确定递推公式
dp[j] 可以由dp[j - i * i]推出， dp[j - i * i] + 1 便可以凑成dp[j]。
此时我们要选择最小的dp[j]，所以递推公式：dp[j] = min(dp[j - i * i] + 1, dp[j])
3.初始化
dp[0] = 0；
dp[j] = min(dp[j - i * i] + 1, dp[j]);中可以看出每次dp[j]都要选最小的，所以非0下标的dp[j]一定要初始为最大值，这样dp[j]在递推的时候才不会被初始值覆盖。
4.确定遍历顺序
代码
class Solution {
public int numSquares(int n) {
//可以重复取值----> 完全背包
//dp[j]:和为j的完全平方数的最少数量
int[] dp = new int[n+1];
dp[0] = 0;
for(int i = 1; i <= n; i++){
dp[i] = Integer.MAX_VALUE;
}
//遍历 先物品后背包
for(int i = 0; i * i <= n; i++){
for(int j = i * i; j <= n; j++){
if(dp[j - (i*i)] != Integer.MAX_VALUE)
dp[j] = Math.min(dp[j],dp[j-i*i]+1);
}
}
return dp[n];
}
}
139. 单词拆分
题目
给你一个字符串 s 和一个字符串列表 wordDict 作为字典。请你判断是否可以利用字典中出现的单词拼接出 s 。
注意：不要求字典中出现的单词全部都使用，并且字典中的单词可以重复使用。
示例：
思路
单词就是物品，字符串s就是背包，单词能否组成字符串s，就是问物品能不能把背包装满。
1.确定dp数组以及下标的含义
dp[i] : 字符串长度为i的话，dp[i]为true，表示可以拆分为一个或多个在字典中出现的单词。
2.确定递推公式
如果确定dp[j] 是true，且 [j, i] 这个区间的子串出现在字典里，那么dp[i]一定是true。（j < i ）。所以递推公式是 if([j, i] 这个区间的子串出现在字典里 && dp[j]是true) 那么 dp[i] = true。
3.dp数组如何初始化
从递归公式中可以看出，dp[i] 的状态依靠 dp[j]是否为true，那么dp[0]就是递归的根基，dp[0]一定要为true，否则递归下去后面都都是false了。
4.确定遍历顺序
本题最终要求的是是否都出现过，所以对出现单词集合里的元素是组合还是排列，并不在意！ ！！！因为是要求子串，最好是遍历背包放在外循环，将遍历物品放在内循环
代码
class Solution {
public boolean wordBreak(String s, List<String> wordDict) {
//完全背包 s是背包,wordDict是物品，物品可重复使用
//单词能否组成字符串s，就是问物品能不能把背包装满。
//dp[i] : 字符串长度为i的话,dp[i]为true，表示可以拆分为一个或多个在字典中出现的单词。
int len = s.length();
boolean[] dp = new boolean[len+1];
dp[0] = true;
//遍历： 先背包后物品
for(int i = 1; i <= len; i++){
for(int j = 0; j < i;j++){
if(wordDict.contains(s.substring(j,i)) && dp[j] == true)
dp[i] = true;
}
}
return dp[len];
}
}
229
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
