完全背包问题

有N件物品和一个最多能背重量为W的背包，第i件物品的重量为weight[i]，价值为value[i]。每件物品都有无限多个（也就是可以放进背包多次），求解将哪些物品放入背包物品价值总和最大。
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。

使用一维数组时得先遍历物品再遍历背包，且背包得从大到小遍历，为了防止物品多次放入。
而完全背包的物品是可以多次添加的，故要从小到大遍历。

//先遍历物品再遍历背包
for(int i = 0; i < weight.size(); i++){
	for(int j = weight[i]; j < weight; j++){
		dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
	}	
}

和0-1背包不一样，使用一维数组时，for先循环哪个也没有影响

//先遍历背包再遍历物品
for(int j = 0; j < weight; j++){
	for(int i = 0; i < weight.size(); j++){}
		if(j >= weight[i])
			dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
		
}

每一种硬币有无限多个，故是一个完全背包问题。而又和纯完全背包不一样。完全背包dp[weight]的价值总和最大。本题是求凑成总金额的个数（且是组合数！！！）。

求装满背包有多少种方法，一般都是dp[j] += dp[j - nums[i]]；
遍历顺序：因为是求组合数，故只能外层for遍历物品，内层for遍历背包。元素之间要求没有顺序。
而纯背包是能凑成总和就行，不管怎么凑的。

即

for (int i = 0; i < coins.size(); i++) { // 遍历物品
    for (int j = coins[i]; j <= amount; j++) { // 遍历背包容量
        dp[j] += dp[j - coins[i]];
    }
}

dp[j]求的事组合数

而

for (int j = 0; j <= amount; j++) { // 遍历背包容量
    for (int i = 0; i < coins.size(); i++) { // 遍历物品
        if (j - coins[i] >= 0) dp[j] += dp[j - coins[i]];
    }
}

dp[j]求的是排列数

代码：

class Solution {
public:
    int change(int amount, vector<int>& coins) {
        vector<int> dp(amount + 1, 0);
        dp[0] = 1;
        //dp[j]表示amount为j的总金额可以凑的组合数

        for(int i = 0; i < coins.size(); i++){
            for(int j = coins[i]; j <= amount; j++){
                dp[j] += dp[j - coins[i]];
            }
        }

        
        return dp[amount];
    }
};

与上一题不一样，这题求的是可以凑成总金额的最少硬币数。

dp[i]表示凑满i的最少银币数
递推公式：dp[i]. = min(dp[i], dp[i - coins[i]] + 1);
初始化：因为要求最小值，故dp数组初始化为INT_MAX，这样才能保证不被初始值覆盖。但dp[0] = 0，凑足总金额为0所需钱币的个数一定是0。
遍历顺序：此题既不是组合问题也不是排列问题，那么钱币有顺序和没有顺序都可以，都不影响钱币的最小个数。。

class Solution {
public:
    int coinChange(vector<int>& coins, int amount) {
        vector<int> dp(amount + 1, INT_MAX);
        
        dp[0] = 0;

        //先遍历物品，再遍历背包
        for(int i = 0; i < coins.size(); i++){
            for(int j = coins[i]; j <= amount; j++){
                if(dp[j - coins[i]] != INT_MAX)
                    dp[j] = min(dp[j], dp[j - coins[i]] + 1);      
                }
        }

        if(dp[amount] == INT_MAX) return -1;
        return dp[amount];
    }

        
        
    
};

总结：
背包递推公式：

1. 问能否装满背包（或者最多装多少）：dp[j] = max(dp[j], dp[j - nums[i]] + nums[i])
2. 装满背包有多少种方法：dp[j] += dp[j - nums[[i]]
3. 问背包装满最大价值：dp[j] = max(dp[j], dp[j - weight[i]] + value[i])
4. 问装满背包所用物品的最小个数：dp[j] = min(dp[j], dp[j - nums[i]] + 1)

递归顺序：