文章目录
day44学习内容
day44主要内容
- 完全背包理论基础
- 零钱兑换II
- 组合总和IV
声明
本文思路和文字,引用自《代码随想录》
一、 完全背包理论基础
1.1、动态规划五部曲
其实其他步骤和01背包问题都是一样的,只有一个区别,完全背包。物品的个数是无限的,而01背包,物品的个数只有一个,具体的遍历顺序、状态转移返程,等具体写代码的时候再看。
二、零钱兑换II
518.原题链接
注意,本题求得是组合数而不是排列数。即{2,2,1}和{2,1,2}是同一个答案。
注意这一题和目标和那一题的区别。。
目标和
2.1、动态规划五部曲
2.1.1、 确定dp数组(dp table)以及下标的含义
- dp[j]表示组成金额i的不同硬币组合的数量
2.1.2、确定递推公式
直接给结论
:
dp[j] += dp[j - nums[i]];
求装满背包有几种方法,公式都是:dp[j] += dp[j - nums[i]];
2.1.3、 dp数组如何初始化
dp[0] = 1;
2.1.4、确定遍历顺序
先遍历物品后遍历背包。先记住一个结论:
先物品后背包,是组合问题
先背包后物品,是排列问题
2.2、代码
class Solution {
public int change(int amount, int[] coins) {
// 初始化dp数组
int[] dp = new int[amount + 1];
dp[0] = 1;
// 先物品后背包
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];
}
}
2.2.1、这段代码哪里体现了物品是无限次使用的呢
在这段代码中,体现硬币无限次使用的关键在于遍历顺序和状态转移方程:
遍历顺序
for (int i = 0; i < coins.length; i++) {
for (int j = coins[i]; j <= amount; j++) {
dp[j] += dp[j - coins[i]];
}
}
这里首先遍历硬币(即“物品”),然后对于每个硬币,遍历从该硬币值到总金额amount
的所有可能的金额值。这种遍历方式称为“先物品后背包”,与完全背包问题中硬币无限使用直接相关。
状态转移方程
dp[j] += dp[j - coins[i]];
这个状态转移方程是实现硬币无限次使用的核心。它的含义是,当前组成金额j
的方式数(dp[j]
)等于原来的方式数加上使用了硬币coins[i]
后,组成金额j - coins[i]
的方式数。因为我们是在coins[i]
的基础上增加来考虑j
的,所以在处理j
时,coins[i]
仍然可用,即硬币可以被无限次使用。
如果硬币有使用次数限制,我们通常会采用“先背包后物品”的遍历方式,即首先遍历总金额,然后对于每个金额,遍历所有硬币,这样就可以控制每个硬币的使用次数了。
三、组合总和IV
377.原题链接
注意这题是个排列问题,题目已经说的很清楚了
3.1、动态规划五部曲
3.1.1、 确定dp数组(dp table)以及下标的含义
- dp[j]表示组成总和i的不同排列的数量
3.1.2、确定递推公式
dp[j] += dp[j - nums[i]];
3.1.3、 dp数组如何初始化
初始化一个(m + 1) * (n + 1)的DP数组,因为’0’的数量可以从0到m,'1’的数量可以从0到n。
dp[0] = 1;
3.1.4、确定遍历顺序
由于要解决排列问题,所以要先遍历背包,再遍历物品。
3.1.5、计算并返回最终结果
return dp[target];
3.2、代码
class Solution {
public int combinationSum4(int[] nums, int target) {
// 初始化dp数组
int[] dp = new int[target + 1];
dp[0] = 1;
// 先背包后物品
for (int i = 0; i <= target; i++) {
for (int j = 0; j < nums.length; j++) {
// 背包容量必须大于物品数量才有意义
if (i >= nums[j]) {
dp[i] += dp[i - nums[j]];
}
}
}
return dp[target];
}
}
总结
1.感想
- 突然好想像又有感觉了,没那么的感觉了。。
2.思维导图
本文思路引用自代码随想录,感谢代码随想录作者。