完全背包:
与 01 背包不同,完全背包问题允许无限制重复使用物品。在代码实现中,先遍历背包 or 物品都可以,注意遍历背包时,并非从后向前,而是从前向后,在 01背包问题中我们了解到,从前向后遍历会重复使用各个物品,这恰好符合完全背包的定义。
518.零钱兑换Ⅱ
本题要求返回 “可以凑成总金额的硬币组合数”,在回溯章节中我们知道,数字的组合表明数字之间没有顺序逻辑,只要构成组合的数字相同,即为相同的组合。在本题中,题设中显式地告知 “每一种硬币有无限个”,说明是完全背包问题,每种物品可以使用无限次。硬币的币值即为物品的价值和重量,总金额即为背包容量,在可以重复选取硬币的情况下,求出所有可能的硬币组合数。
1)确定 dp 数组的含义,dp[j] 表示当总金额为 j 时,有 dp[j] 中硬币组合方案;
2)递推公式,求组合的递推公式,基本都为 dp[j] += dp[j - nums[i]],在本题中,nums 数组为 coins 数组;
3)确定初始化,dp[0] 初始化为 1;
4)遍历顺序,求组合,外层循环遍历物品,内层循环遍历背包。求排列,外层循环遍历背包,内层循环遍历物品。遍历背包时,一定是从前向后;
5)遇到问题是,打印 dp 数组 debug。
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 <= dp.size() - 1; ++j) {
dp[j] += dp[j - coins[i]];
}
}
return dp[amount];
}
};
377.组合总和Ⅳ
本题同为完全背包问题,与上题不同之处在于,本题求排列数,要求顺序,因此仅更换一下内外层循环即可。
class Solution {
public:
int combinationSum4(vector<int> &nums, int target) {
vector<int> dp(target + 1, 0);
dp[0] = 1;
for (int j = 0; j <= dp.size() - 1; ++j) {
for (int i = 0; i < nums.size(); ++i) {
if (j - nums[i] >= 0 && dp[j] < INT_MAX - dp[j - nums[i]]) {
dp[j] += dp[j - nums[i]];
}
}
}
return dp[target];
}
};