1.完全背包
代码:(动态规划)
#include <bits/stdc++.h>
using namespace std;
void test_completePack(vector<int>& weight, vector<int>& value, int V,int N){
// dp数组的定义及初始化
vector<int> dp(V + 1,0);
// 完全背包j要正序遍历,保证物品不会只被添加一次
for(int i = 0; i < N; i++){
for(int j = weight[i]; j <= V; j++){
dp[j] = max(dp[j],dp[j - weight[i]] + value[i]);
}
}
cout << dp[V] << endl;
}
int main(){
// 输入
int N,V;
cin >> N >> V ;
vector<int> weight;
vector<int> value;
for(int i = 0; i < N; i++){
int w;
int v;
cin >> w >> v;
weight.push_back(w);
value.push_back(v);
}
test_completePack(weight,value,V,N);
return 0;
}
思路:
01背包的滚动数组需要倒叙遍历,保证每个物品只被添加一次。而且,因为要求的dp值依赖于上一行的状态,只能先遍历物品,再遍历背包。
完全背包的滚动数组需要正序遍历,保证每个物品可以被添加多次。而且,因为要求的dp值只依赖同一行的之前求出来的dp值,先遍历物品还是背包都可以。
dp数组的含义:在物品可选种类为0~i的前提下,尽量装满容量为j的背包所获得的最大价值为dp[j]
dp数组的递推公式:和之前的一样dp[j] = max(dp[j],dp[j - weight[i]] + value[i])
dp数组的遍历顺序:正序遍历,先背包还是先遍历物品无所谓
dp数组初始化:为了不影响后序求最大值,全部初始化为0
2.零钱兑换2
代码: (动态规划)
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];
}
};
思路:
dp数组的含义:用coins里的下标为0~i的元素装满容量为j的背包的方法数为dp[j]
dp数组的递推公式: 和昨天做的目标和的递推公式一样,思路也一样
dp数组的遍历顺序:正序遍历,必须先遍历物品(因为求的是组合数)如果是先遍历背包,物品次序不同也会被算作不同的方法,这是在求排列数,不符合要求。
dp数组的初始化:dp[0] = 1 dp[0]是在公式中一切递推结果的起源,如果dp[0]是0的话,递推结果将都是0。
3.组合总和 4
代码:(动态规划)
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] && dp[j] < INT_MAX - dp[j - nums[i]]){
dp[j] += dp[j - nums[i]];
}
}
}
return dp[target];
}
};
思路:
dp数组的含义:用nums里的下标为0~i的元素装满容量为j的背包的方法数为dp[j]
dp数组的递推公式: 和昨天做的目标和的递推公式一样,思路也一样
dp数组的遍历顺序:正序遍历,必须先遍历背包,因为物品次序不同也会被算作不同的方法,我们在求排列数
dp数组的初始化:dp[0] = 1 dp[0]是在公式中一切递推结果的起源,如果dp[0]是0的话,递推结果将都是0。
细节:为了使得递推公式不会越界访问元素,要加上判断条件 j >= nums[i] && dp[j] < INT_MAX - dp[j - nums[i]]