完全背包
代码随想录讲解完全背包
完全背包
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],得到的价值为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。
完全背包和01背包唯一不同的地方就是,每种物品有无限件。
01背包和完全背包唯一不同的地方就是体现在遍历顺序上,接下来直接针对遍历顺序进行分析。
//先遍历物品,再遍历背包
for(int i=0;i<weight.size();++i){
for(int j=weight[i];j<=bagweight;++j){
dp[j] = max(dp[j],dp[j-weight[i]]+value[i]);
}
在完全背包中,对于一维dp数组来说,两个for循环嵌套顺序是无所谓的。
因为dp[j] 是根据下标j之前对应的dp[j]计算出来的。所以先遍历物品后遍历背包,或者先遍历背包后遍历物品都是可以的。
518.零钱兑换||
链接:LeetCode518.零钱兑换
与“494.目标和”类似,都是求满足条件的组合数而不是满足条件的最大值。不同的是该题中的“物品”也就是硬币可以选取多次。可以抽象为完全背包。
class Solution {
public:
int change(int amount, vector<int>& coins) {
vector<int> dp(amount+1,0);
dp[0]=1;
for(int i=0;i<coins.size();++i){
for(int j=coins[i];j<=amount;++j){
dp[j] += dp[j-coins[i]];
}
}
return dp[amount];
}
};
377.组合总和Ⅳ
class Solution {
public:
int combinationSum4(vector<int>& nums, int target) {
vector<int> dp(target+1,0);
dp[0] = 1;
for(int j=0;j<=target;++j){
for(int i=0;i<nums.size();++i){
if(j>=nums[i]&&INT_MAX-dp[j]>=dp[j-nums[i]])
dp[j] += dp[j-nums[i]];
}
}
return dp[target];
}
};
与上一题“518.零钱兑换||”类似,不同的是,该题求的是满足条件的排列种数。这就要细究一下物品与背包的遍历顺序。先遍历物品后遍历背包求出的是组合数,先遍历背包后遍历物品求的是排列数。所以本题的遍历顺序是先遍历背包后遍历物品。
还需要注意的一个地方:
if(j>=nums[i]&&INT_MAX-dp[j]>=dp[j-nums[i]]) dp[j] += dp[j-nums[i]];
为了防止数据溢出,需要判断一下dp[j]、dp[j-nums[i]]、INT_MAX之间的关系。