【代码随想录刷题笔记】完全背包与01背包总结

背包问题总结

1. 分类

   物品不重复 -> 01背包

   物品可重复 -> 完全背包

2. 时间复杂度：O(m*n)，m为物品个数，n为背包最大容量。

   空间复杂度：一维dp -> O(n)，二维dp -> O(n*m)

3. 应用

   • 能否装满背包 -> dp[j] = max(dp[j], dp[j - weight[i]] + values[i])，返回判断dp[target] == target?
   • 装满背包有几种方法 -> dp[j] += dp[j - weight[i]]
   • 背包装满最大价值 -> dp[j] = max(dp[j], dp[j - weight[i]] + values[i])，返回dp[target]
   • 装满背包所有物品的最小个数 -> dp[j] = min(dp[j - weight[i]] + 1，dp[j])

4. 遍历顺序

   • 01背包二维dp：背包容量从小到大，for嵌套顺序随意。

   • 01背包一维dp：背包容量从大到小，必须先遍历物品，再嵌套遍历背包容量。

     以dp[j] = max(dp[j], dp[j - weight[i]] + values[i])为例：

     背包容量从大到小 -> 因为一维数组是二维的压缩，而dp[j]依赖于dp[i]（i < j）的计算，即右边依赖左边←，所以遍历方向应与依赖方向相同←，此时dp[j]依赖的数据是上一轮计算结果，正确√。否则，dp[j]依赖本轮计算结果，这将导致重复选取物品的问题。

     先遍历物品，再嵌套遍历背包容量 -> 因为背包容量必须从大到小，则若先遍历背包容量，再嵌套遍历物品，会导致dp[j] = max(values[i])的问题，因为dp[j - weight[i]]都是空的。

     其实展开成二维数组就懂了，右下数据依赖左上，所谓滚动数组。

   • 完全背包一维dp：背包容量从小到大，for嵌套顺序随意。

     完全背包可以随意选重复物品，所以背包从小到大遍历；因为背包从小到大遍历，所以不管嵌套顺序如何，右下数据都依赖左上。

     但是特定场景下for顺序有讲究：

     dp[j] += dp[j - weight[i]]

     ⭐ 组合：必须先遍历物品，再嵌套遍历背包容量。

     ⭐ 排序：必须先遍历背包容量，再嵌套遍历物品。

     其实展开成二维数组就懂了，先遍历物品，再嵌套遍历背包容量，一行一行的下去，意思是一个一个把可选物品摆桌上，每个不同容量的背包同步先选一点点，到最后可选物品全摆出来，不同容量背包也进化完毕了。