【数据结构】01背包与完全背包

https://leetcode-cn.com/problems/coin-change/solution/yi-tao-kuang-jia-jie-jue-bei-bao-wen-ti-h0y40/

背包问题具备的特征：
是否可以根据一个 target（直接给出或间接求出），target 可以是数字也可以是字符串，再给定一个数组 arrs，问：能否使用 arrs 中的元素做各种排列组合得到 target。

目录

一、01 背包问题

1.1 解法

二、完全背包

2.1 解法

三、01背包例题

416. 分割等和子集

494. 目标和

四、完全背包例题

139. 单词拆分

279. 完全平方数

322. 零钱兑换

518. 零钱兑换 II

---

一、01 背包问题

最基本的背包问题就是 01 背包问题：一共有 N 件物品，第 i（i 从 1 开始）件物品的重量为 w[i]，价值为 v[i]。在总重量不超过背包承载上限 W 的情况下，能够装入背包的最大价值是多少？

1.1 解法

如果是 01 背包，即数组中的元素不可重复使用，外循环遍历 arrs，内循环遍历 target，且内循环倒序: 

二、完全背包

完全背包与 01 背包不同就是每种物品可以有无限多个：一共有 N 种物品，每种物品有无限多个，第 i（i 从 1 开始）种物品的重量为 w[i]，价值为 v[i]。在总重量不超过背包承载上限 W 的情况下，能够装入背包的最大价值是多少？

可见 01 背包问题与完全背包问题主要区别就是物品是否可以重复选取。

2.1 解法

（1）如果是完全背包，即数组中的元素可重复使用并且不考虑元素之间顺序，arrs 放在外循环（保证 arrs 按顺序），target 在内循环。且内循环正序。

（2）如果组合问题需考虑元素之间的顺序，需将 target 放在外循环，将 arrs 放在内循环，且内循环正序。

三、01背包例题

动态规划：0-1背包 理论回顾

    for(int i=1; i<=m; i++) //物品 
        for(int j=t; j>=0; j--) //容量 
        {
            if(j >= w[i])
                dp[i][j] = max(dp[i-1][j-w[i]]+val[i], dp[i-1][j]);
            else      //只是为了好理解，如果当前物体的容量>背包容量，就不装

                dp[i][j] = dp[i-1][j];           
        }

 空间优化

    for(i=1;i<=m;i++){  //尝试放置每一个物品
        for(j=t;j>=w[i];j--){//倒叙是为了保证每个物品都使用一次
            f[j]=max(f[j-w[i]]+v[i],f[j]);
            //在放入第i个物品前后，检验不同j承重量背包的总价值，如果放入第i个物品后比放入前的价值提高了，则修改j承重量背包的价值，否则不变
        }
    }

416. 分割等和子集

494. 目标和

四、完全背包例题

377. 组合总和 Ⅳ

本质是考虑顺序的多重背包，target外层，arrs内层，内循环正序。

很好理解的动态规划问题，爬楼梯进化版

小明爬楼梯，每次可以爬的台阶数在nums中，要到达target阶，问有多少种走法？

本题的内核和上述场景一致。在 70. 爬楼梯 中常用的做法是 dp[n] = dp[n-1] + dp[n-2]。这里相当于nums = [1, 2]。含义是小明想要达到target阶，只有两种方法，第一种是从dp[n-1]出跨一步，第二种是从dp[n-2]出跨2步。

所以拓展到本题。小明想要达到target阶，

for i in range(target):
    for num in nums:
        # 只有这些可供选择的方法，在dp[i-num]处跨num步
        dp[i] += dp[i-num]
# 注意好边界的处理即可

 

139. 单词拆分

279. 完全平方数

322. 零钱兑换

518. 零钱兑换 II