所谓的完全背包问题就是在01背包的基础上不再限制物品的使用数量,那么在一维的滚动数组的dp基础上,就是把第二层for循环的顺序由从后向前,改为从前向后的形式.
对于完全背包,外层物品内层容量得到的是组合数,外层容量,内层物品得到的是排列数.
对于例题:
给你一个整数数组 coins ,表示不同面额的硬币;以及一个整数 amount ,表示总金额。
计算并返回可以凑成总金额所需的 最少的硬币个数 。如果没有任何一种硬币组合能组成总金额,返回 -1 。
你可以认为每种硬币的数量是无限的。
输入:coins =[1, 2, 5]
, amount =11
输出:3
解释:11 = 5 + 5 + 1
给出如下代码:
class Solution {
public int coinChange(int[] coins, int amount) {
int[]dp = new int[amount+1];
for(int i = 0; i < dp.length; i++){
dp[i] = Integer.MAX_VALUE;
}
dp[0] = 0;
for(int i = 0; i <= amount; i++){
for(int j = 0; j < coins.length; j++ ){
if( i >= coins[j]){
dp[i] = Math.min(dp[i], dp[i-coins[j]]+1);
}
}
}
return dp[amount] == Integer.MAX_VALUE? -1:dp[amount];
}
}
代码说明:
dp数组的定义毫无疑问就是组合成该总数的所需的最少的硬币数量.那么dp为什么全部初始化为最大值呢?因为毫无疑问,我们需要对于所有组合求最小值,参考上一篇文章
中的解法二,我们不难找出最少的组合方式就是不断地求min(dp[i-coins[j]+1),为什么加一呢?因为一旦选择了新的组合,那么势必会放进一枚新的硬币,所以总数自然的增加.而dp[0]被初始化为0也可以解释清楚,对于综合为0的,我们有0中组合可以使其组合成功,因为最小面值就是1.