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。
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。
我们知道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。
01背包中二维dp数组的两个for遍历的先后循序是可以颠倒了,一维dp数组的两个for循环先后循序一定是先遍历物品,再遍历背包容量。
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!因为dp[j] 是根据 下标j之前所对应的dp[j]计算出来的。 只要保证下标j之前的dp[j]都是经过计算的就可以了。
先遍历物品,再遍历背包
def test_CompletePack(weight, value, bagWeight):
dp = [0] * (bagWeight + 1)
for i in range(len(weight)): # 遍历物品
for j in range(weight[i], bagWeight + 1): # 遍历背包容量
dp[j] = max(dp[j], dp[j - weight[i]] + value[i])
return dp[bagWeight]
先遍历背包,再遍历物品
def test_CompletePack(weight, value, bagWeight):
dp = [0] * (bagWeight + 1)
for j in range(bagWeight + 1): # 遍历背包容量
for i in range(len(weight)): # 遍历物品
if j - weight[i] >= 0:
dp[j] = max(dp[j], dp[j - weight[i]] + value[i])
return dp[bagWeight]
518. 零钱兑换 II
动态规划五部曲
1. 确定dp数组以及下标的含义:可以凑成总金额j的硬币组合数为dp[j]
2. 确定递推公式:dp[j] += dp[j - coins[i]]
3. dp数组如何初始化:dp[0] = 1
4. 确定遍历顺序:本题不能和纯完全背包的问题一样两种循环方式都行
本题是求凑出来的方案个数,且每个方案个数是为组合数。那么两个for循环的先后顺序就有关系了。
外层for循环遍历物品(钱币),内层for遍历背包(金钱总额)的情况,这种遍历顺序中dp[j]里计算的是组合数(无序)!两个for交换顺序 dp[j]里算出来的就是排列数(有序)!
5. 举例推导dp数组
class Solution:
def change(self, amount: int, coins: List[int]) -> int:
dp = [0] * (amount+1)
dp[0] = 1
for coin in coins:
for j in range(coin, amount+1):
dp[j] += dp[j-coin]
return dp[amount]
377. 组合总和 Ⅳ
动态规划五部曲
- 确定dp数组以及下标的含义:凑成目标正整数为j的排列个数为dp[j]
- 确定递推公式:dp[j] += dp[j - nums[i]]
- dp数组如何初始化:dp[0] = 1,初始化能够满足后续推导即可
- 确定遍历顺序:本题和518.零钱兑换II就不一样了,一个是组合,一个是排列。因此外层for循环遍历数量,内层for遍历物品
- 举例推导dp数组
class Solution:
def combinationSum4(self, nums: List[int], target: int) -> int:
dp = [0] * (target + 1)
dp[0] = 1
for j in range(target+1):
for num in nums:
if j >= num:
dp[j] += dp[j-num]
return dp[target]