java算法day46 | 动态规划part08 ● 139.单词拆分 ● 关于多重背包，你该了解这些！ ● 背包问题总结篇！

139.单词拆分

完全背包问题，只不过装入背包时需要附加一个判断条件。

class Solution {
    public boolean wordBreak(String s, List<String> wordDict) {
        boolean[] dp=new boolean[s.length()+1];
        dp[0]=true;
        for(int j=1;j<=s.length();j++){
            for(int i=0;i<wordDict.size();i++){
                String word=wordDict.get(i);
                if(j>=word.length() && dp[j-word.length()] && word.equals(s.substring(j-word.length(),j))) {
                    dp[j]=true;
                    break;
                }
            }
        }
        return dp[s.length()];
    }
}

时间复杂度：O(n^3)，因为substring返回子串的副本是O(n)的复杂度（这里的n是substring的长度）
空间复杂度：O(n)

关于多重背包，你该了解这些！

对于多重背包，我在力扣上还没发现对应的题目，所以这里就做一下简单介绍，大家大概了解一下。

有N种物品和一个容量为V 的背包。第i种物品最多有Mi件可用，每件耗费的空间是Ci ，价值是Wi 。求解将哪些物品装入背包可使这些物品的耗费的空间 总和不超过背包容量，且价值总和最大。

多重背包和01背包是非常像的， 为什么和01背包像呢？

每件物品最多有Mi件可用，把Mi件摊开，其实就是一个01背包问题了。

例如：

背包最大重量为10。

物品为：

问背包能背的物品最大价值是多少？

和如下情况有区别么？

练习题目：卡码网题目

import java.util.Scanner;
class multi_pack{
    public static void main(String [] args) {
        Scanner sc = new Scanner(System.in);

        /**
         * bagWeight:背包容量
         * n:物品种类
         */
        int bagWeight, n;
        
        //获取用户输入数据，中间用空格隔开，回车键换行
        bagWeight = sc.nextInt();
        n = sc.nextInt();
        int[] weight = new int[n];
        int[] value = new int[n];
        int[] nums = new int[n];
        for (int i = 0; i < n; i++) weight[i] = sc.nextInt();
        for (int i = 0; i < n; i++) value[i] = sc.nextInt();
        for (int i = 0; i < n; i++) nums[i] = sc.nextInt();

        int[] dp = new int[bagWeight + 1];

        //先遍历物品再遍历背包，作为01背包处理
        for (int i = 0; i < n; i++) {
            for (int j = bagWeight; j >= weight[i]; j--) {
                //遍历每种物品的个数
                for (int k = 1; k <= nums[i] && (j - k * weight[i]) >= 0; k++) {
                    dp[j] = Math.max(dp[j], dp[j - k * weight[i]] + k * value[i]);
                }
            }
        }
        System.out.println(dp[bagWeight]);
    }
}

背包问题总结篇！

背包递推公式

• 问能否能装满背包（或者最多装多少）：
  dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);
  对应题目如下：
  动态规划：416.分割等和子集
  动态规划：1049.最后一块石头的重量 II

• 问装满背包有几种方法：dp[j] += dp[j - nums[i]] ，对应题目如下：
  动态规划：494.目标和
  动态规划：518. 零钱兑换 II
  动态规划：377.组合总和Ⅳ
  动态规划：70. 爬楼梯进阶版（完全背包）

• 问背包装满最大价值：dp[j] = max(dp[j], dp[j - weight[i]] + value[i]); ，对应题目如下：
  动态规划：474.一和零

• 问装满背包所有物品的最小个数：dp[j] = min(dp[j - coins[i]] + 1, dp[j]);
  对应题目如下：
  动态规划：322.零钱兑换
  动态规划：279.完全平方数

遍历顺序

如果求组合数就是外层for循环遍历物品，内层for遍历背包。
如果求排列数就是外层for遍历背包，内层for循环遍历物品。

相关题目如下：

求组合数：动态规划：518.零钱兑换II(opens new window)

求排列数：动态规划：377. 组合总和 Ⅳ (opens new window)、动态规划：70. 爬楼梯进阶版（完全背包）(opens new window)

如果求最小数，那么两层for循环的先后顺序就无所谓了，相关题目如下：

求最小数：动态规划：322. 零钱兑换 (opens new window)、动态规划：279.完全平方数(opens new window)

对于背包问题，其实递推公式算是容易的，难是难在遍历顺序上，如果把遍历顺序搞透，才算是真正理解了。