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];
}