dp：完全背包，零钱兑换，零钱兑换II

最新推荐文章于 2024-04-08 21:30:00 发布

Powerstot

最新推荐文章于 2024-04-08 21:30:00 发布

阅读量148

点赞数

分类专栏： # 动态规划文章标签：算法动态规划 leetcode

本文链接：https://blog.csdn.net/weixin_45813747/article/details/115440139

版权

动态规划专栏收录该内容

10 篇文章 0 订阅

订阅专栏

完全背包

N个物品，背包容量为M的背包，每个物品的重量weight[i]，价值value[i]，每个物品都有无限个，求装满背包的最大价值

思路

和01背包不一样的地方就遍历顺序，01背包中，为了防止一个物品被多次装入背包，所以背包容量是倒序遍历，而在完全背包中，物品是可以多次放入的，所以只需将背包容量遍历顺序改成正序遍历即可。
在01背包中，是必须要先遍历物品再遍历背包容量的
如果先遍历背包容量，在遍历物品，背包里就只会放入一个物品，因为要取 j 容量下的最大价值，所以循环完 i 个物品只会放入最优的一个物品。这显然不合理。并且
在完全背包中，先遍历物品还是先遍历背包容量都可以（纯完全背包中）
因为dp[j]是根据下标 j 之前的dp[j] 计算出来的，只要保证下标 j 之前的dp都被遍历过就可以了

代码

public int bag_total(){
    int[] weight = new int[]{1,3,4};
    int[] value = new int[]{15,20,30};
    int bagSize = 4;
    int[] dp = new int[bagSize+1];
    for(int i=0;i<weight.length;i++){
        for(int j=weight[i];j<=bagSize;j++){
            dp[j] = Math.max(dp[j],dp[j-weight[i]]+value[i]);
        }
    }
    return dp[bagSize];
}

总结

完全背包建议先遍历物品，再遍历背包容量，同时都是正序遍历
一维01背包必须先遍历物品，在遍历背包容量，倒序遍历背包容量

零钱兑换II

518. 零钱兑换 II
给定不同面额的硬币和一个总金额。写出函数来计算可以凑成总金额的硬币组合数。假设每一种面额的硬币有无限个。

示例 1:

输入: amount = 5, coins = [1, 2, 5]
输出: 4
解释: 有四种方式可以凑成总金额:
5=5
5=2+2+1
5=2+1+1+1
5=1+1+1+1+1

示例 2:
输入: amount = 3, coins = [2]
输出: 0
解释: 只用面额2的硬币不能凑成总金额3。

示例 3:
输入: amount = 10, coins = [10]
输出: 1
注意，你可以假设：

0 <= amount (总金额) <= 5000
1 <= coin (硬币面额) <= 5000
硬币种类不超过 500 种
结果符合 32 位符号整数

思路

本题每个硬币有无限个，所以可以使用01背包来求解
但是此题是个组合问题，要求的不是装满背包的最大价值，而是装满的方式有多少种。
先找到物品的价值和重量，然后是背包大小，本题物品的重量和价值相等，重量为amount

分五步走：

确定dp数组含义：凑成背包总金额为j的组合数为dp[j]
推导dp方程：考虑coins[i]的组合dp[j] + 不考虑coins[i]的组合do[j-coins[i]]
所以对推方程为：dp[j] += dp[j-nums[i]]
初始化：凑成0总金额的方法有1种,即选0个硬币，dp[0] = 1
确定遍历顺序：本题要求凑成总和的元素之间没有顺序，而纯完全背包是不管有没有顺序的，所以此题要计算组合数，应该先遍历物品，再遍历背包容量

代码

public int change(int amount, int[] coins) {
    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];
}

总结

在求装满背包的方法数时，
如果求组合数，外层遍历物品，内层遍历背包容量
如果求排列数，外层遍历背包容量，内层遍历物品

零钱兑换

零钱兑换
给定不同面额的硬币 coins 和一个总金额 amount。编写一个函数来计算可以凑成总金额所需的最少的硬币个数。如果没有任何一种硬币组合能组成总金额，返回 -1。

你可以认为每种硬币的数量是无限的。

示例 1：输入：coins = [1, 2, 5], amount = 11
输出：3
解释：11 = 5 + 5 + 1

示例 2：
输入：coins = [2], amount = 3
输出：-1

示例 3：
输入：coins = [1], amount = 0
输出：0

示例 4：
输入：coins = [1], amount = 1
输出：1

示例 5：输入：coins = [1], amount = 2
输出：2
提示：

1 <= coins.length <= 12
1 <= coins[i] <= 2^31 - 1
0 <= amount <= 10^4

思路

考虑到每个硬币都是无限取的，所以是完全背包问题，所以正序遍历背包容量和物品
背包容量为amount，背包物品重量为coins[i] ，物品价值为 1

分五步走：

确定dp数组及其下标含义：dp[i]代表装满背包容量为i的背包所需的最少硬币数
推导dp方程：因为每个物品有，放入和不放入两
当物品放入背包时，dp[j] = dp[j-coins[i]]+1
当物品不放入背包时，dp[j] = dp[j]
取两者较小值即可dp[j] = min(dp[j],dp[j-coins[i]]+1)
初始化：背包容量为0时，只有0种方案，所以：dp[0] = 0
由于每次要取最小值，所以数组其他位置要初始化为最大值，避免影响取最小值
确定遍历顺序：因为本题要求最少硬币数，那么硬币有顺序没有顺序都可以，不影响最小硬币个数
如果要求排列数，应该先遍历背包容量
如果要求组合数，应该先遍历物品
不过本题两种方式都可以。
举例推导dp数组

代码

先遍历物品

public int coinChange(int[] coins, int amount) {
    int[] dp = new int[amount+1];
    Arrays.fill(dp,Integer.MAX_VALUE);
    dp[0] = 0;
    for(int i=0;i<coins.length;i++) {	//先遍历物品
        for(int j=coins[i];j<=amount;j++) {	//在遍历背包容量
            if(dp[j-coins[i]] != Integer.MAX_VALUE) //注意如果减去重量之后的值为初始值，那么就跳过
                dp[j] = Math.min(dp[j],dp[j-coins[i]]+1); 
        }
    }
    System.out.println(Arrays.toString(dp));
    if(dp[amount] == Integer.MAX_VALUE) return -1;//如果装满背包的方法数还是初始值，那么表示没有可以装满背包的方法数
    return dp[amount];
}

先遍历背包容量

public int coinChange(int[] coins, int amount) {
    int[] dp = new int[amount+1];
    Arrays.fill(dp,Integer.MAX_VALUE);
    dp[0] = 0;
    for(int i=1;i<=amount;i++) {//先遍历背包容量
        for(int j=0;j<coins.length;j++) { //再遍历物品
            if(i-coins[j] >= 0 && dp[i-coins[j]] != Integer.MAX_VALUE) 
                dp[i] = Math.min(dp[i],dp[i-coins[j]]+1);
        }
    }
    System.out.println(Arrays.toString(dp));
    if(dp[amount] == Integer.MAX_VALUE) return -1; 
    return dp[amount];
}