代码随想录算法训练营第三十九天 | 322. 零钱兑换、279.完全平方数、139.单词拆分、多重背包理论基础、背包问题总结

Cedric7

已于 2024-08-08 18:13:29 修改

阅读量342

点赞数 4

分类专栏：代码随想录算法训练营文章标签：算法

于 2024-08-07 21:25:05 首次发布

本文链接：https://blog.csdn.net/weixin_43581681/article/details/141001034

版权

代码随想录算法训练营专栏收录该内容

54 篇文章 0 订阅

订阅专栏

一、322. 零钱兑换

题目链接：322. 零钱兑换 - 力扣（LeetCode）
文章讲解：代码随想录 (programmercarl.com)——322. 零钱兑换
视频讲解：动态规划之完全背包，装满背包最少的物品件数是多少？| LeetCode：322.零钱兑换_哔哩哔哩_bilibili

动态规划五部曲：

1. 确定 dp 数组及下标含义：装满容量为 j 的背包最少 dp[ j ]件物品，最后结果 dp[ amount ]
2. 确定递推公式：dp[ j ] = min( dp[ j - coins[ i ]] + 1, dp[ j ])，dp[ j - coins[ i ]] 表示装满 j - coins[ i ] 最的数量，再加上 coins[ i ] 的价值 1
3. 确定dp数组如何初始化：dp[ 0 ] = 0，因为递推为取最小值，所以非零下边初始化为最大值 inf
4. 确定遍历顺序：先遍历物品或先遍历背包均可。
# 先遍历物品
for coin in coins:
# 再遍历背包
for j in range(coins[ i ], amount + 1):
递推公式
5. 举例推导dp数组。

class Solution:
    def coinChange(self, coins: List[int], amount: int) -> int:
        # 创建dp数组
        dp = [float("inf")] * (amount + 1)

        # 初始化
        dp[0] = 0

        # 先遍历物品，即硬币
        for coin in coins:
            # 再遍历背包
            for j in range(coin, amount + 1):
                dp[j] = min(dp[j - coin] + 1, dp[j])

        # 如果仍为初始值，即表示无法组合，返回 -1
        if dp[amount] == float("inf"):
            return -1

        return dp[amount]

二、279.完全平方数

题目链接：279. 完全平方数 - 力扣（LeetCode）
文章讲解：代码随想录 (programmercarl.com)——279.完全平方数
视频讲解：动态规划之完全背包，换汤不换药！| LeetCode：279.完全平方数_哔哩哔哩_bilibili

思路：题意也就是给你一个容量为 n 的背包，有一堆价值为 1, 4, 9,16…的物品，问装满这个背包最少需要多少个物品？和上一题零钱兑换一样。

动态规划五部曲：

1. 确定 dp 数组及下标含义：装满容量为 j 的背包最少 dp[ j ]件物品，最后结果 dp[ n ]
2. 确定递推公式：dp[ j ] = min(dp[ j - i ** 2 ] + 1, dp[ j ])
3. 确定dp数组如何初始化：dp[ 0 ] = 0，因为递推为取最小值，所以非零下边初始化为最大值 inf
4. 确定遍历顺序：先遍历物品或先遍历背包均可。
# 先遍历物品
for i in range(1, int(n ** 0.5) + 1):
# 再遍历背包
for j in range(i * i, n + 1):
递推公式
5. 举例推导dp数组。

class Solution:
    def numSquares(self, n: int) -> int:
        # 创建dp数组
        dp = [float("inf")] * (n + 1)

        # 初始化
        dp[0] = 0

        # 先遍历物品
        for i in range(1, int(n ** 0.5) + 1):
            # 后遍历背包
            for j in range(i * i, n + 1):
                dp[j] = min(dp[j - i ** 2] + 1, dp[j])

        return dp[n]

三、139.单词拆分

题目链接：139. 单词拆分 - 力扣（LeetCode）
文章讲解：代码随想录 (programmercarl.com)——139.单词拆分
视频讲解：动态规划之完全背包，你的背包如何装满？| LeetCode：139.单词拆分_哔哩哔哩_bilibili

思路：字符串看作背包，单词为物品，问物品能否装满背包。

动态规划五部曲：

1. 确定 dp 数组及下标含义：长度为 i 的字符串，能被单词组成，dp[ i ] = True，输出 dp[ len(s) ]
2. 确定递推公式：if s[ j : i ] and dp[ j ] == True: dp[ i ] = True
3. 确定dp数组如何初始化：dp[ 0 ] = True，非 0 下标都初始化为 False
4. 确定遍历顺序：装满背包对物品顺序有要求，因此需要先遍历背包，再遍历物品
# 先遍历背包
for i in range(1, len(s) + 1):
        # 再遍历物品
        for j in range(i):
          递推公式
5. 举例推导dp数组。

class Solution:
    def wordBreak(self, s: str, wordDict: List[str]) -> bool:
        # 创建全为 False 的 dp 数组
        dp = [False] * (len(s) + 1)

        # 初始化
        dp[0] = True

        # 先遍历背包
        for i in range(1, len(s) + 1):
            # 再遍历物品，即单词
            for j in range(i):
                if s[j:i] in wordDict and dp[j] == True:
                    dp[i] = True
                    break

        return dp[len(s)]