动态规划完全背包
一、零钱兑换
完全背包问题,求在满足某种条件下的最少物品个数,类似反向的求最高价值
class Solution {
public:
int coinChange(vector<int>& coins, int amount) {
//dp[j]表示凑满金额为j所需要的最少硬币个数
vector<int>dp(amount+1, INT_MAX);
dp[0] = 0;
//求的是最少硬币个数,与遍历顺序无关
for (int i = 0; i < coins.size(); i++) {
for (int j = coins[i]; j <= amount; j++) {
if (dp[j - coins[i]] != INT_MAX)
dp[j] = min (dp[j], dp[j - coins[i]] + 1);
}
}
if(dp[amount] == INT_MAX) return -1;
else return dp[amount];
}
};
二、完全平方数
与前一题大致相同,不过是物品的重量、价值等等效变量改变
class Solution {
public:
int numSquares(int n) {
//dp[j]表示和为j时最少的完全平方数
vector<int>dp(n+1, INT_MAX);
dp[0] = 0;
for (int i = 1; i <= n; i++) {
for (int j = i*i; j <= n; j++) {
dp[j] = min(dp[j], dp[j - i*i] + 1);
}
}
return dp[n];
}
};
三、完全背包总结
最重要的就是如何将问题转化为背包问题,对应上背包的容量,物品的重量以及价值,从而取套用模板
- 最高价值
- 求放入什么物品在有限容量内达到最高价值
- 背包从小到大循环,保证每个物品可以添加多次
- 递推公式为dp[j] = max (dp[j], dp[j - weight[i]] + value[i])
- 遍历顺序可以颠倒
- 例如:求最高价值
- 最多方法
- 最少个数
总结
每道题的大致思路都差不太多,主要是更改了一些条件,还得多多练习
学习时间90min。
学习资料:《代码随想录》。