完全背包理论基础
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。
与0-1背包的区别在于每件物品都有无限个;01背包和完全背包唯一不同就是体现在遍历顺序上。
- 0-1背包:先遍历物品,再遍历背包,背包倒序;
- 完全背包:先遍历物品,再遍历背包,背包顺序;
代码:
/先遍历物品,再遍历背包
private static void testCompletePack(){
int[] weight = {1, 3, 4};
int[] value = {15, 20, 30};
int bagWeight = 4;
int[] dp = new int[bagWeight + 1];
for (int i = 0; i < weight.length; i++){ // 遍历物品
for (int j = weight[i]; j <= bagWeight; j++){ // 遍历背包容量
dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
}
}
for (int maxValue : dp){
System.out.println(maxValue + " ");
}
}
//先遍历背包,再遍历物品(for循环里还得写条件判断,比较麻烦)
private static void testCompletePackAnotherWay(){
int[] weight = {1, 3, 4};
int[] value = {15, 20, 30};
int bagWeight = 4;
int[] dp = new int[bagWeight + 1];
for (int i = 1; i <= bagWeight; i++){ // 遍历背包容量
for (int j = 0; j < weight.length; j++){ // 遍历物品
if (i - weight[j] >= 0){
dp[i] = Math.max(dp[i], dp[i - weight[j]] + value[j]);
}
}
}
for (int maxValue : dp){
System.out.println(maxValue + " ");
}
}
518. 零钱兑换II
就是上面完全背包的抽象,但是是求满足条件的个数,注意初始化dp[0] = 1,也就是说如果金额是0,也有一种方法,那就是什么都不找。
class Solution {
public int change(int amount, int[] coins) {
//dp[j]表示amount为j时有多少种
int dp[] = new int[amount + 1];
dp[0] = 1;
for(int i = 0; i < coins.length; i++){
for(int j = coins[i]; j <= amount; j++){
dp[j] += dp[j - coins[i]];
}
}
return dp[amount];
}
}
377. 组合总和IV
本题比较坑,因为不同的顺序的序列也会被视为两种,因此要改编内外的遍历顺序,先遍历背包,再遍历物品:
class Solution {
public int combinationSum4(int[] nums, int target) {
int dp[] = new int[target + 1];
dp[0] = 1;
for(int i = 1; i <= target; i++){
for(int num : nums){
if(i >= num){
dp[i] += dp[i - num];
}
}
}
return dp[target];
}
}
(就是上面的解法2,要用一个if判断防止下标溢出)
在这个问题中,我们需要找出所有可能的组合,这意味着每个数字可以被使用多次,而且顺序不同的序列被视作不同的组合。因此,我们应该首先遍历目标总和,然后对于每个目标总和,我们遍历数组中的每个数字,看看是否可以通过添加这个数字到一个已经达到的组合来达到当前的目标总和。 如果我们首先遍历数组中的每个数字,然后对于每个数字,我们遍历所有的目标总和,这将导致我们只能找到不同的组合,而不能找到所有可能的组合。因为在这种情况下,我们只是在看我们是否可以通过添加当前的数字到一个已经达到的目标总和来达到新的目标总和,而不是在看我们是否可以通过添加任何数字到一个已经达到的组合来达到当前的目标总和。