代码随想录算法训练营第四十四天 ｜ 完全背包理论基础 518. 零钱兑换II 377. 组合总和 Ⅳ

引用：代码随想录刷题|完全背包理论基础 LeetCode 518. 零钱兑换II 377. 组合总和 Ⅳ-CSDN博客

518. 零钱兑换||
题目链接：. - 力扣（LeetCode）

思路
        这道题目可以算是 纯完全背包问题 和 目标和 的结合体

        总的来说就是当物品可以无限使用的时候，装满背包有多少种方法

        初始化和递推公式跟 目标和 一样
        遍历方式和 纯的完全背包问题 一样，但是背包的遍历和物品的遍历不能替换顺序，因为纯完全背包理论求的是填满背包的最大物品重量，而这道题目求得是有多少种方法

        遍历顺序很重要：
                如果求组合数，就是外层for循环遍历物品，内层for循环遍历背包
                如果求排列数，就是外层for循环遍历背包，内层for循环遍历物品

零钱兑换||

class Solution {
    public int change(int amount, int[] coins) {
 
        // 创建dp数组
        int[] dp = new int[amount + 1];
 
        // 初始化
        dp[0] = 1;
 
        // 填充数组
        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];
    }
}

377. 组合总和 Ⅳ
题目链接：. - 力扣（LeetCode）

思路
        正常的思路是使用回溯算法，但是这道题目使用回溯算法会超时，所以需要使用动态规划。但是动态规划只能求这个排列数是多少，不能求组合种具体的元素

        这道题目使用动态规划就是在上面所说的 如果求排列数，就是外层for循环遍历背包，内层for循环遍历物品

        只需要改变遍历的顺序，先对背包进行遍历，再对物品进行遍历就可以

组合总和IV

class Solution {
    public int combinationSum4(int[] nums, int target) {
 
        // 创建dp数组
        int[] dp = new int[target + 1];
 
        // 初始化dp数组
        dp[0] = 1;
 
        // 填充dp数组
        // 与组合数的遍历顺序相反,先遍历背包，再遍历物品
        for (int j = 1; j <= target; j++) {
            for (int i = 0; i < nums.length; i++) {
                if (j - nums[i] >= 0) {
                    dp[j] += dp[j - nums[i]];
                }
            }
        }
 
        return dp[target];
    }
}