完全背包理论总结—看这一篇就够了

前面讲过0-1背包的问题，这次需要在0-1背包问题上进行一次调整，即完全背包问题。

在这个完全背包的题目中，以我经常逛的刷题网站leetcode似乎还没有纯正的完全背包问题。包括0-1背包，一般会以应用题的形式出完全背包的问题。所以需要了解完全背包，首先我们需要进入其问题本身，而后再进入应用题来充分发挥自己的学习潜能。

1、完全背包简介

问题：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？

完全背包问题与01不同的点在于，每个物品能放无限个次数。

物品	重量	价值
0	1	15
1	2	35
2	4	30

问背包能背的最大价值是多少？

首先我们需要从根本上分析与01背包不同的点，这是我介绍的01背包博客：动态规划0-1背包

再看回来，我们介绍完全背包首先看它的代码：

// 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 <= W ; j++) { // 遍历背包容量
        dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
	//意思就是选择重复的还是选择新的
    }
}

1、这里首先是遍历物品，再遍历背包。(先遍历背包后遍历物品也一样，因为我们得到的dp[j]只需要从前面计算好的dp[j]或者dp[j - weight[i]] + value[i]代入进行运算就好了)。

2、模拟遍历。我们要做到模拟完全背包问题的遍历，应该是如下遍历：

3、初始化，因为在最开始遍历dp[j]，即遍历物品0时，应该都是取dp[j-weight[i]+value[i]]这个部分，所以一开始的数组初始化都可以为0。

现在看起来完全背包是不是很简单呢？

2、完全背包的应用实践

1、零钱兑换II

原文链接：零钱兑换II

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。 题目数据保证结果符合 32 位带符号整数。

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

示例 2：

输入：amount = 3, coins = [2]
输出：0
解释：只用面额 2 的硬币不能凑成总金额 3 。

示例 3：

输入：amount = 10, coins = [10] 
输出：1

最终代码：

class Solution {
    public int change(int amount, int[] coins) {
        //这道题用完全背包来解决。
        int[] dp = new int[amount+1];
        //初始化dp数组。此处初始化为1
        dp[0] = 1;
        //遍历for循环
        //1+1+1+1+1
        //
        for(int i = 0; i < coins.length; i++) { // 遍历物品
            for (int j = coins[i]; j <= amount; j++) { 
                // 遍历背包容量
                dp[j] += dp[j - coins[i]];//求组合的动态方程式
                /*求组合就是在当前背包容量j上，没算上coins[i]前的dp[j]当前组合数+(coins[i]+j-coins[j])新的组合。比如遍历物品1时：
                j=2:'(1+1)'+'(2+(2-2))'
                j=3:'(1+1+1)'+'(2+(3-2))'
                j=4:'(1+1+1+1)'+'(2+(1+1))'+'(2+2)'
                */
            }
        }
        return dp[amount];
    }
}

2、组合总数IV

原题：377. 组合总和 Ⅳ

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。

题目数据保证答案符合 32 位整数范围。

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。

示例 2：

输入：nums = [9], target = 3
输出：0

这道题就是考察for循环遍历各个遍历顺序和方式的含义了。

首先先介绍先遍历物品和先遍历背包容量之间的变化。

for(int j = 0;j<=target;j++){//遍历背包
    for(int i = 0;i<nums.length;i++){//遍历物品数量
    	if(j-nums[i]>=0) dp[j]+=dp[j-nums[i]];
        	/**
            	比如示例一遍历物品1：在j容量为2、3、4都会算上其中的组合。
                这里是考虑排列顺序的情况
             */  
	}
}

这是本题的循环遍历方式。

for(int i = 0; i < coins.length; i++) { // 遍历物品
	for (int j = coins[i]; j <= amount; j++) { 
    // 遍历背包容量
    	dp[j] += dp[j - coins[i]];//求组合的动态方程式
    /*求组合就是在当前背包容量j上，没算上coins[i]前的dp[j]当前组合数+(coins[i]+j-coins[j])新的组合。比如遍历物品1时：
    j=2:'(1+1)'+'(2+(2-2))'
    j=3:'(1+1+1)'+'(2+(3-2))'
    j=4:'(1+1+1+1)'+'(2+(1+1))'+'(2+2)'
    */
    }
}

这是上一题的for循环遍历。

其中，本题的遍历顺序如下图所展示：

就是沿袭前面的组合数。比如在背包为3时，主要是看容量为1、2时的情况。因为还要加上第三个物品所以还要+1，此时初始化的好处就在于此。

最终代码如下：

class Solution {
    public int combinationSum4(int[] nums, int target) {
        int[] dp = new int[target+1];
        dp[0]=1;
        //初始化为0
        for(int j = 0;j<=target;j++){//遍历背包
            for(int i = 0;i<nums.length;i++){//遍历物品数量
                if(j-nums[i]>=0) 
                /**
                比如示例一遍历物品1：在j容量为2、3、4都会算上其中的组合。
                这里是考虑排列顺序的情况
                 */
                dp[j]+=dp[j-nums[i]];
            }
        }
        return dp[target];
    }
}

所以完全背包的遍历顺序不同，表达式不同所能解决的问题也不同。

3、零钱总换

322. 零钱兑换)

给定不同面额的硬币 coins 和一个总金额 amount。编写一个函数来计算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： 输入：coins = [1, 2, 5], amount = 11 输出：3 解释：11 = 5 + 5 + 1

示例 2： 输入：coins = [2], amount = 3 输出：-1

示例 3： 输入：coins = [1], amount = 0 输出：0

示例 4： 输入：coins = [1], amount = 1 输出：1

示例 5： 输入：coins = [1], amount = 2 输出：2

这道题跟前面一道一个道理，即我们要用一维dp数组来记录背包每个容量的最少组合。即dp[j]表示在j元钱下最少的组合数。

并且在一开始将dp元素初始化成Integer.MAX_VALIE，因为最后会有返回-1的情况，如果被复制成功就返回dp[j]当前的数即可。

最后介绍这个动规方程式，其含义在于是否选择当前coins[i]。本质上就是选择或者不选择。选择的话就是在dp[j-coins[i]]容量时，加上1即算上coins[i]时的组合数。

Math.min(dp[j],dp[j-coins[i]]+1);

最终代码：

class Solution {
    public int coinChange(int[] coins, int amount) {
    int temp = Integer.MAX_VALUE;
    //填入最小组合数
    int[] dp = new int[amount+1];
    for(int i = 0;i<amount+1;i++) dp[i] = temp;
    dp[0] = 0;
    for(int i = 0;i<coins.length;i++){
        for(int j = coins[i];j<=amount;j++){
            //选择该数的前提在选择该数前,dp[j-coins[i]]的下标有赋值。
            if(dp[j-coins[i]]!=temp) dp[j] = Math.min(dp[j],dp[j-coins[i]]+1);
        
        }
    }
    return dp[amount]==temp?-1:dp[amount];
    }
}

以上对完全背包的分享就到这里，谢谢阅读。