完全背包
文档讲解 : 代码随想录 - 完全背包
状态:再次回顾。
完全背包
有N件物品和一个最多能背重量为W的背包。第i件物品的重量是weight[i],得到的价值是value[i] 。每件物品都有无限个(也就是可以放入背包多次),求解将哪些物品装入背包里物品价值总和最大。
完全背包和01背包问题唯一不同的地方就是,每种物品有无限件。
完全背包的物品是可以添加多次的,所以要从小到大去遍历
在完全背包中,对于一维dp数组来说,其实两个for循环嵌套顺序是无所谓的!
代码:
// 先遍历物品,在遍历背包
void test_CompletePack() {
vector<int> weight = {1, 3, 4};
vector<int> value = {15, 20, 30};
int bagWeight = 4;
vector<int> dp(bagWeight + 1, 0);
for(int i = 0; i < weight.size(); i++) { // 遍历物品
for(int j = weight[i]; j <= bagWeight; j++) { // 遍历背包容量
dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
}
}
cout << dp[bagWeight] << endl;
}
int main() {
test_CompletePack();
}
// 先遍历背包,再遍历物品
void test_CompletePack() {
vector<int> weight = {1, 3, 4};
vector<int> value = {15, 20, 30};
int bagWeight = 4;
vector<int> dp(bagWeight + 1, 0);
for(int j = 0; j <= bagWeight; j++) { // 遍历背包容量
for(int i = 0; i < weight.size(); i++) { // 遍历物品
if (j - weight[i] >= 0) dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
}
}
cout << dp[bagWeight] << endl;
}
int main() {
test_CompletePack();
}
518.零钱兑换II
文档讲解 : 代码随想录 - 518.零钱兑换II
状态:再次回顾。
牢记:
求组合数就是外层for循环遍历物品,内层for遍历背包。
求排列数就是外层for遍历背包,内层for循环遍历物品。
动态规划五部曲:
-
确定dp数组(dp table)以及下标的含义
dp[i]的定义为:凑成总金额j的货币组合数为dp[j]
-
确定递推公式
dp[j] += dp[j - coins[i]];
-
dp数组如何初始化
dp[0] = 1 ;
-
确定遍历顺序
先遍历物品,再遍历背包。(不可以换顺序!) -
举例推导dp数组:
输入:amount = 5, coins = [1, 2, 5]
,dp状态图如下:
本题代码:
class Solution {
public:
int change(int amount, vector<int>& coins) {
vector<int> dp(amount + 1, 0);
dp[0] = 1;
for (int i = 0; i < coins.size(); i++) { // 遍历物品
for (int j = coins[i]; j <= amount; j++) { // 遍历背包
dp[j] += dp[j - coins[i]];
}
}
return dp[amount];
}
};
- 时间复杂度:
O
(
m
n
)
O(mn)
O(mn),其中
m
是amount
,n
是coins
的长度 - 空间复杂度: O ( m ) O(m) O(m)
377. 组合总和 Ⅳ
文档讲解 : 代码随想录 - 377. 组合总和 Ⅳ
状态:再次回顾。
牢记:
求组合数就是外层for循环遍历物品,内层for遍历背包。
求排列数就是外层for遍历背包,内层for循环遍历物品。
动态规划五部曲:
-
确定dp数组(dp table)以及下标的含义
dp[i]的定义为:凑成目标正整数为i
的排列个数为dp[i]
-
确定递推公式
dp[j] += dp[j - nums[i]];
-
dp数组如何初始化
dp[0] = 1 ;
-
确定遍历顺序
先遍历背包,再遍历物品。(不可以换顺序!) -
举例推导dp数组:
本题代码:
C++测试用例有两个数相加超过int
的数据,所以需要在if
里加上dp[i] < INT_MAX - dp[i - num]
。
class Solution {
public:
int combinationSum4(vector<int>& nums, int target) {
vector<int> dp(target + 1, 0);
dp[0] = 1;
for (int i = 0; i <= target; i++) { // 遍历背包
for (int j = 0; j < nums.size(); j++) { // 遍历物品
if (i - nums[j] >= 0 && dp[i] < INT_MAX - dp[i - nums[j]]) {
dp[i] += dp[i - nums[j]];
}
}
}
return dp[target];
}
};
- 时间复杂度:
O
(
t
a
r
g
e
t
∗
n
)
O(target * n)
O(target∗n),其中
n
为nums
的长度 - 空间复杂度: O ( t a r g e t ) O(target) O(target)