动态规划常见类型

题目一：01背包问题

一个背包总容量为V，现在有N个物品，第i个 物品体积为weight[i]，价值为value[i]，现在往背包里面装东西，怎么装能使背包的内物品价值最大？

例题：给定一个数m，将m拆成不同的自然数的和的形式有多少种方案，这就是典型的01背包问题，背包容量为m，物品件数为k，这里面的k是隐含条件，可以求出来，因为m最多由1+2+…+k得到，由此可以根据m求得物品件数的上限。

题目二：完全背包问题

一个背包总容量为V，现在有N个物品，第i个 物品体积为weight[i]，价值为value[i]，每个物品都有无限多件，现在往背包里面装东西，怎么装能使背包的内物品价值最大？

例题：假设现在有1元、2元、5元的纸币很多张，现在需要20块钱，你能给多少种找钱方案，这就可以认为是完全背包问题，即背包容量为20，物品体积分别为1、2、5。

题目三：最少硬币找零问题

给予不同面值的硬币若干种种（每种硬币个数无限多），如何用若干种硬币组合为某种面额的钱，使硬币的的个数最少？

在现实生活中，我们往往使用的是贪心算法，比如找零时需要13元，我们先找10元，再找2元，再找1元。如果我们的零钱可用的有1、2、5、9、10。我们找零18元时，贪心算法的策略是：10+5+2+1，四种，但是明明可以用两个9元的啊。这种问题一般使用动态规划来解决。

一、首先来看01背包问题

用一个数组f[i][j]表示，在只有i个物品，容量为j的情况下背包问题的最优解。第i个物品可以选择放进背包或者不放进背包（这也就是0和1），假设放进背包（前提是放得下），那么f[i][j]=f[i－1][j-weight[i]+value[i]；如果不放进背包，那么f[i][j]=f[i－1][j]。

这就得出了状态转移方程： 

　　f[i][j]=max(f[i－1][j],f[i-1][j-weight[i]+value[i])  

二、完全背包问题 和 硬币找零问题
其实这个两个问题非常相似，都是物品数目无限多，一个是不超过某个重量值W求最大value，一个是要获得某个value，求最小重量(每个硬币可以看成是重量为1的物品)。

（1）对于完全背包问题状态转移方程： 

　　f[ i ] [ j ] = max( f[i－1][j],  f[ i ][ j- weight[i] ] + value[i] )   ，注意后面是f[i, j-weight[i]]，i 没有减1  

可以理解为：j为背包可以容纳的重量，有i种物品时，对于第i种物品，要么取或者不取，至于取多少个我们并不关心。

（2）对于硬币找零问题状态转移方程： 

　　f[i][j]=min( f[i－1][ j ], f [i ] [ j - value[i] ] + 1)   ，注意后面是f[i, j-value[i]]，i 没有减1  

可以理解为：j为需要找零多少元，有i种硬币，找零时对于第i种硬币，我们只考虑取或者不取，至于取多少个我们并不关心！

两种边界情况说明一下：
（1）f[0][j]=Integer.MAXVALUE ，因为 对金额为 j 的钱找零，但是可以的硬币面值种类为0，这显然是无法做到的。其实这是一个”未定义“的状态。它之所以初始为Integer.MAXVALUE
（2）f[i][0]=0，因为，对金额为0的钱找零，可用来找零的硬币种类有 i 种，金额为0怎么找啊，故设置为0。

转载于:https://www.cnblogs.com/nju-lfk/p/8719385.html