完全背包理论基础
和01背包的差别:每种物品有无限件
具体来说: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],得到的价值是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。
代码框架:
首先再回顾一下01背包的核心代码
for(int i = 0; i < weight.size(); i++) { // 遍历物品
for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
}
}
我们知道01背包内嵌的循环是从大到小遍历,为了保证每个物品仅被添加一次。
而完全背包的物品是可以添加多次的,所以要从小到大去遍历,即:
这是因为这轮物品到底要不要放——可以多次影响这轮背包的结果
// 先遍历物品,再遍历背包
for(int i = 0; i < weight.size(); i++) { // 遍历物品
for(int j = weight[i]; j <= bagWeight ; j++) { // 遍历背包容量
dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
}
}
顺序:!实际上需要具体问题具体分析的
01背包中二维dp数组的两个for遍历的先后循序是可以颠倒了,一维dp数组的两个for循环先后循序一定是先遍历物品,再遍历背包容量。
在完全背包中,对于一维dp数组来说,其实两个for循环嵌套顺序是无所谓的!
因为dp[j] 是根据 下标j之前所对应的dp[j]计算出来的。 只要保证下标j之前的dp[j]都是经过计算的就可以了。
518.零钱兑换II
给定不同面额的硬币和一个总金额。写出函数来计算可以凑成总金额的硬币组合数。假设每一种面额的硬币有无限个。
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
注意,你可以假设:
- 0 <= amount (总金额) <= 5000
- 1 <= coin (硬币面额) <= 5000
- 硬币种类不超过 500 种
- 结果符合 32 位符号整数
分析:
递归关系 :求的装满的方法数量:对应dp[ j ] += dp[ j-nums[ i ] ]
——同时初始化 其他为0,dp[0] 为1
顺序:
背包&物品的顺序关系到是排列还是组合情况
纯完全背包求得装满背包的最大价值是多少,和凑成总和的元素有没有顺序没关系,即:有顺序也行,没有顺序也行!
而本题要求凑成总和的组合数,元素之间明确要求没有顺序。
所以纯完全背包是能凑成总和就行,不用管怎么凑的。
本题是求凑出来的方案个数,且每个方案个数是为组合数。
如果求组合数就是外层for循环遍历物品,内层for遍历背包。
如果求排列数就是外层for遍历背包,内层for循环遍历物品。
组合情况:外层for循环遍历物品(钱币),内层for遍历背包(金钱总额)的情况。
另外一个是排列情况:在计算前面的背包负重(金钱总额时),就已经用过这个nums[i]了
int change(int amount, int* coins, int coinsSize) {
int dp[amount+1];//记录有多少种放置的方法,且一定要凑到dp【j】的值
memset(dp, 0, sizeof(dp));
dp[0]=1;
int i,j;
for (i=0;i<coinsSize;i++){
for(j=coins[i];j<=amount;j++){
dp[j]=dp[j] + dp[j-coins[i]];
}
}
return dp[amount];
}
377. 组合总和 Ⅳ
难度:中等
给定一个由正整数组成且不存在重复数字的数组,找出和为给定目标正整数的组合的个数。
示例:
- nums = [1, 2, 3]
- target = 4
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。
因此输出为 7。
分析:
dp数组的含义:和为target的个数
递归:和为target的个数——决定递归公式dp[ j ] += dp[ j-nums[ i ] ]
初始化:第一个是1,后面都是0
顺序:排列的顺序,所以先背包,后物品
**注意:测用例有两个数相加超过int的数据,所以需要在if里加上dp[i] < INT_MAX - dp[i - num] ;或者改成unsigned long long
signed表示符号的情况,默认是signed即有符号
int combinationSum4(int* nums, int numsSize, int target) {
unsigned long long dp[target+1];
memset(dp, 0, sizeof(dp));
dp[0]=1;
for (int i=0;i<=target;i++){
for(int j=0;j<numsSize;j++){
if(nums[j]<=i ) dp[i]+=dp[i-nums[j]];
}
}
return dp[target];
}
70. 爬楼梯(进阶版)
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:
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 阶 + 1 阶 + 1 阶段
- 1 阶 + 2 阶
- 2 阶 + 1 阶
#include <stdio.h>
#include <memory.h>
int main() {
int n, m;
scanf("%d%d", &n, &m);
int* dp = (int*) malloc(sizeof(int) * (n + 1));
memset(dp, 0, sizeof(dp) );
dp[0] = 1;
for (int i = 0; i <= n; ++i) {
int min = i - m;
if (min < 0) {
min = 0;
}
for (int j = min; j < i; ++j) {
dp[i] += dp[j];
}
}
printf("%d", dp[n]);
free(dp);
return 0;
}