卡码网52. 携带研究材料
题目描述
小明是一位科学家,他需要参加一场重要的国际科学大会,以展示自己的最新研究成果。他需要带一些研究材料,但是他的行李箱空间有限。这些研究材料包括实验设备、文献资料和实验样本等等,它们各自占据不同的重量,并且具有不同的价值。
小明的行李箱所能承担的总重量为 N,问小明应该如何抉择,才能携带最大价值的研究材料,每种研究材料可以选择无数次,并且可以重复选择。
输入描述
第一行包含两个整数,N,V,分别表示研究材料的种类和行李空间
接下来包含 N 行,每行两个整数 wi 和 vi,代表第 i 种研究材料的重量和价值
输出描述
输出一个整数,表示最大价值。
输入示例
4 5
1 2
2 4
3 4
4 5
输出示例
10
提示信息:第一种材料选择五次,可以达到最大值。
数据范围:
-
1 <= N <= 10000
-
1 <= V <= 10000
-
1 <= wi, vi <= 10^9
题解
典型的 完全背包问题 (每个物品都可以无限次选择在), 动态规划 解决。
dp
数组含义:dp[j]
表示容量为j
的背包能装的最大价值- 状态转移方程:
dp[j] = max(dp[j], dp[j - weights[i]] + values[i])
(经典款)
⚠️ 和01背包问题不同,处理完全背包问题时,遍历容量需要 从小到大 ,这样相当于每次都会考虑重复使用之前用过的物品的情况(当前容量为 j
的情况,之后在容量为 j + k
的时候,可能用到,实现物品的“不限次数选择”)。
关于完全背包问题和本题算法的更详细解析,参见 代码随想录-完全背包理论基础
代码(C++)
#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;
int main() {
int kinds, bagSize;
cin >> kinds >> bagSize;
vector<int> weights(kinds), values(kinds);
for (int i = 0; i < kinds; ++i)
cin >> weights[i] >> values[i];
vector<int> dp(bagSize + 1, 0);
for (int i = 0; i < kinds; ++i) {
for (int j = weights[i]; j <= bagSize; ++j)
dp[j] = max(dp[j], dp[j - weights[i]] + values[i]);
}
cout << dp[bagSize] << endl;
return 0;
}
518. 零钱兑换 II
题目描述
给你一个整数数组 coins
表示不同面额的硬币,另给一个整数 amount
表示总金额。
请你计算并返回可以凑成总金额的硬币组合数。如果任何硬币组合都无法凑出总金额,返回 0
。
假设每一种面额的硬币有无限个。
题目数据保证结果符合 32 位带符号整数。
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
提示:
1 <= coins.length <= 300
1 <= coins[i] <= 5000
coins
中的所有值 互不相同0 <= amount <= 5000
题解
实际上是个完全背包问题,题目可以转化为:
用 weights
为 coins
的物品恰好装满容量为 amount
的背包共有多少种方法(每个物品的使用次数不限)?
于是采用经典的动态规划套路即可解决,其中
dp
数组的含义:dp[j]
表示用coins
凑出总金额j
一共有dp[j]
种方法- 状态转移方程:对于容量为
j
的背包,考虑一个新的coins[i]
,如果把它装进去(相应的可能要拿出其他硬币,即对应dp[j - coins[i]]
)恰好装满,则自然新增了dp[j - coins[i]]
种方法,所以有dp[j] += dp[j - coins[i]]
有关完全背包和该算法更细致的解析参见 代码随想录
代码(C++)
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
题目描述
给你一个由 不同 整数组成的数组 nums
,和一个目标整数 target
。请你从 nums
中找出并返回总和为 target
的元素组合的个数。
题目数据保证答案符合 32 位整数范围。
示例 1:
输入:nums = [1,2,3], target = 4
输出:7
解释:
所有可能的组合为:
(1, 1, 1, 1)
(1, 1, 2)
(1, 2, 1)
(1, 3)
(2, 1, 1)
(2, 2)
(3, 1)
请注意,顺序不同的序列被视作不同的组合。
示例 2:
输入:nums = [9], target = 3
输出:0
提示:
1 <= nums.length <= 200
1 <= nums[i] <= 1000
nums
中的所有元素 互不相同1 <= target <= 1000
进阶: 如果给定的数组中含有负数会发生什么?问题会产生何种变化?如果允许负数出现,需要向题目中添加哪些限制条件?
题解
这题乍一看和 之前的几个组合问题 差不多,但是用同样的回溯算法解决容易超时。我们可以将其转化为一个 完全背包问题 ,然后用动态规划解决:
用 weights
为 nums
的物品,恰好装满容量为 target
的背包(物品的使用次数不限),共有多少种方法?
这样看似乎和 518. 零钱兑换 II 一样,但是注意这题说了 “顺序不同的序列被视作不同的组合” ,即实质上这是个 排列 问题,而非518那样的 组合 问题。不过算法的框架都是相同的:
dp
数组的含义:dp[j]
表示用nums
凑出总和j
一共有dp[j]
种方法- 状态转移方程:对于容量为
j
的背包,考虑一个新的nums[i]
,如果把它装进去(相应的可能要拿出其他物品,即对应dp[j - nums[i]]
)恰好装满,则自然新增了dp[j - nums[i]]
种方法,所以有dp[j] += dp[j - nums[i]]
⚠️ 需要注意的是,一般求 组合 的完全背包问题是 先遍历物品、再遍历容量 ,而像本题这样求 排列 的完全背包问题应该 先遍历容量、再遍历物品 。简单来说,可以理解为这样每次对于新的容量,都会从头考虑一遍所有物品(这就自然包含了使用过的), 从而实现不同的排列。
该算法更详细的讲解参见 代码随想录
代码(C++)
int combinationSum4(vector<int> &nums, int target)
{
vector<long long> dp(target + 1, 0);
dp[0] = 1;
for (int j = 1; j <= target; ++j) {
for (int num : nums) {
if (j >= num && INT_MAX - dp[j] > dp[j - num])
dp[j] += dp[j - num];
}
}
return dp[target];
}
LeetCode的测试用例中有
int
越界的情况,所以要先检查INT_MAX - dp[j] > dp[j - num]
。我也尝试用
long long
,仍越界。不过这样直接把越界情况删掉感觉也不是最合理的,毕竟那对应的虽然是极大的排列种数,但这些排列仍是正确合理的。大抵是测试用例设计的问题,因为看了下官方题解也是这么做的。
卡码网57. 爬楼梯
题目描述
假设你正在爬楼梯。需要 n 阶你才能到达楼顶。
每次你可以爬至多m (1 <= m < n)个台阶。你有多少种不同的方法可以爬到楼顶呢?
注意:给定 n 是一个正整数。
输入描述
输入共一行,包含两个正整数,分别表示n, m
输出描述
输出一个整数,表示爬到楼顶的方法数。
输入示例
3 2
输出示例
3
提示信息
数据范围:
1 <= m < n <= 32;
当 m = 2,n = 3 时,n = 3 这表示一共有三个台阶,m = 2 代表你每次可以爬一个台阶或者两个台阶。
此时你有三种方法可以爬到楼顶。
1. 1 阶 + 1 阶 + 1 阶
2. 1 阶 + 2 阶
3. 2 阶 + 1 阶
题解
典型的 完全背包求排列 问题,经典的动态规划解决。由于很基础,具体算法需要的可以直接看 代码随想录 。
代码(C++)
#include <iostream>
#include <vector>
using namespace std;
int main() {
int n, m;
cin >> n >> m;
vector<int> dp(n + 1, 0);
dp[0] = 1;
for (int j = 1; j <= n; ++j) {
for (int i = 1; i <= m; ++i) {
if (j >= i)
dp[j] += dp[j - i];
}
}
cout << dp[n] << endl;
return 0;
}