完全背包
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。
完全背包和01背包问题唯一不同的地方就是,每种物品有无限件。
01背包和完全背包唯一不同就是体现在遍历顺序上:
01背包的遍历:
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]);
}
}
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.
完全背包的遍历:
// 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]);
}
}
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.
完整的测试代码如下:
// 先遍历物品,在遍历背包
void test_CompletePack() {
vector<int> weight = {1, 3, 4};
vector<int> value = {15, 20, 30};
int bagWeight = 4;
vector<int> dp(bagWeight + 1, 0);
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]);
}
}
cout << dp[bagWeight] << endl;
}
int main() {
test_CompletePack();
}
题目一:LeetCode 518. 零钱兑换 II
- 确定dp数组下标及其含义
dp[j]:凑成总金额为j的货币组合数为dp[j] - 确定递推公式
dp[j] += dp[j-coins[i]]
- dp数组初始化
dp[0] = 1,其他初始化为0 - 确定遍历顺序
这题求的组合数,组合元素之间是不区分顺序的,所以应该先遍历物品,再遍历背包。如果先遍历背包再遍历物品得到的就是排列数了。 - 举例dp数组
完整的代码实现如下:
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];
}
};
题目二:LeetCode 377. 组合总和 Ⅳ
- 确定dp数组及其下标的含义
dp[j]:凑成目标正整数为j的排列个数为dp[j] - 确定递推公式
dp[j] += dp[j - nums[i]]
- 初始化dp数组
dp[0] = 1,其他初始化为0 - 确定遍历顺序
这道题题目虽然叫组合,但其实求的是排列,因此外层for循环遍历背包,内层for循环遍历物品。
5.举例推导dp数组
nums = [1,2,3],target = 4
dp[0] = 1
dp[1] = dp[0] = 1
dp[2] = dp[1] + dp[0] = 2
dp[3] = dp[2] + dp[1] + dp[0] = 4
dp[4] = dp[3] + dp[2] + dp[1] = 7
完整的代码实现如下:
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++){ //遍历背包
for(int i = 0; i < nums.size(); i++){ //遍历物品
if(j >= nums[i] && dp[j] < INT_MAX - dp[j - nums[i]])
dp[j] += dp[j - nums[i]];
}
}
return dp[target];
}
};