代码随想录 11.04 || 动态规划 完全背包问题 LeetCode 518.零钱兑换Ⅱ、377.组合总和Ⅳ

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];
    }
};