代码随想录刷题第44天

最新推荐文章于 2024-10-08 18:38:07 发布

太阳照常升起366

最新推荐文章于 2024-10-08 18:38:07 发布

阅读量511

点赞数 17

文章标签： c++ 算法 leetcode 职场和发展

本文链接：https://blog.csdn.net/weixin_74090791/article/details/136323239

版权

本文介绍了完全背包问题的解决策略，通过动态规划方法，探讨了01背包与无限个面额硬币兑换、目标和求和及组合总和IV等LeetCode问题的求解过程，重点强调了遍历顺序对结果的影响。

摘要由CSDN通过智能技术生成

今天进入完全背包问题。与01背包不同的是，完全背包中各个物品是可以重复选取的，因此在先遍历物品后遍历背包中，遍历背包的顺序应该是从前向后遍历。

#include <iostream>
#include <vector>
using namespace std;
void test(vector<int> weight, vector<int> value, int bagweight){
    vector<int> dp(bagweight + 1, 0);
    for (int j = 0; j <= bagweight; j++){
        for (int i = 0; i < weight.size(); i++){
            if (j - weight[i] >= 0)
            dp[j] = max( dp[j], dp[j - weight[i]] + value[i]);
        }
    }
    cout << dp[bagweight] << endl;
}
int main(){
    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(weight, value, V);
    return 0;
}

第二题是零钱兑换IIhttps://leetcode.cn/problems/coin-change-ii/description/，用无限个面额的硬币凑出结果，很典型的完全背包问题，直接上动规五步曲。dp[j]为凑出金额为j的硬币选取方法有dp[j]种。在目标和https://leetcode.cn/problems/target-sum/description/这道题中我们已知求出装满背包的方法数量对应的递推公式为 dp[j] += dp[j - nums[i]]，将dp[0]初始化为1，其余dp值初始化为0，由于该题求出的方法都属于组合问题，即选取硬币的顺序不会对组合数量产生影响，所以采取先遍历物品后遍历背包的方法。

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];
    }
};

第三题是组合总和IVhttps://leetcode.cn/problems/combination-sum-iv/description/，结构与上题基本相同，唯一不同在于遍历顺序，若是先遍历物品在遍历背包，则不同物品进入背包的顺序是确定的，故不能求出不同顺序的排列。先遍历背包再遍历物品，可以得到不同排列顺序的结果。

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] >= 0 && dp[j] < INT_MAX - dp[j - nums[i]])
            dp[j] += dp[j - nums[i]];
        }
    }
    return dp[target];
    }
};

不难发现，对于求出装满已知容量背包的方法数量来说，递推公式都是相同的，即dp[j] += dp[j - nums[i]]。