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];
}
};