经典DP 完全背包问题

完全背包是01背包的扩展，即每个物品是无限量供应的。

LeetCode322 零钱兑换

比较经典的完全背包问题。
定义子问题：组成金额i所需要的最小硬币数
状态：T(i) = 组成金额i所需要的最小硬币数，如果不能组成则用amount + 1表示，初始数组全部初始化成amount + 1
T(i) = min(T(i - k) + 1) (k为不同面值的硬币)

class Solution {
public:
    int coinChange(vector<int>& coins, int amount) {
        int coinsNums = coins.size();
        vector<int> dp(amount + 1, amount + 1); // 一维dp数组, 用amount + 1初始化，因为零钱最小面额就是1
        dp[0] = 0;
        for (int i = 1; i <= amount; ++i) {
            for (int j = 0; j < coinsNums; ++j) {
                if (coins[j] <= i) dp[i] = min(dp[i], dp[i - coins[j]] + 1);
            }
        }

        return dp[amount] > amount ? -1 : dp[amount];
    }
};

LeetCode518 零钱兑换2

子问题：dp[k][i]: 用前k个面值的硬币组成金额i的组合数；

状态转移方程：dp[k][i] = d[k - 1][i] + dp[k][i - k];

状态转移方程表示使用前k-1个面值组成金额i的组合数加上使用面值为k的硬币后的组合数（这个组合数等于i - k的组合数，因为只加上一个k相当于组合数没变）

因为计算新的状态只需要左边和上边的的状态，这种情况下可以进行空间压缩，将二维数组压缩成一维数组。

初始化时，考虑仅使用面值为0的硬币，当amount == 0的时候，组合数为1，当amount > 1的时候，组合数为0。

因此，最后的一维DP数组的长度为amount + 1，第一个位置初始化为1，其余位置均初始化为0。

class Solution {
public:
    int change(int amount, vector<int>& coins) {
        vector<int> dp(amount + 1, 0); // 这个一维dp数组是从二维的dp数组降下来的
        dp[0] = 1;
        int coinsNum = coins.size();
        for (int i = 0; i < coinsNum; ++i) {
            for (int j = coins[i]; j <= amount; ++j) {
                dp[j] += dp[j - coins[i]]; // 旧的DP是仅使用第1到第k-1面值硬币的情况
            }
        }
        return dp[amount];
    }
};