【leetcode】完全背包总结

本文内容参考了代码随想录,并进行了自己的总结。

完全背包

关键点

● 每件物品有若干种状态:不选、选 1 件、选 2 件、…、选 n 件

代码

在代码上,只有重量的遍历方向和 01 背包不一样:

for(int i = 0; i < nums.length; i ++ )
	for(int j = nums[i]; j <= W; j ++ ) {
    	dp[j] = Math.max(dp[j], dp[j - nums[i]);
    }

正序遍历,意味着每件物品可以选多次,一直往后叠加。

题目

问能装的最大容量,或者问能不能装满的这种题目,属性既是重量又是价值。

下面是代码随想录中,完全背包问题的总结。

题目问题转换属性拆解
518. 零钱兑换 II

完全背包
恰好装满,求组合方案数

备注:
组合方案数,就是装的数的顺序不影响结果。比如 3 = 1 + 2 和 3 = 2 + 1 是同一种方案
给定背包容量amount,从coins中选若干个物品放入背包,问能装满的组合方案数背包容量:amount。
物品体积:由于是选若干个硬币出来让他们的金额和等于 amount,所以物品的大小(体积)就是硬币金额。
物品价值:这一题没有价值这个维度,只是问背包装满的方案数。
物品数量:每个硬币可以选无数次。
377. 组合总和 Ⅳ

完全背包

恰好装满,求排列方案数
从nums中选若干个数,每个数可重复选择,放入容量为 target的背包,问放满的排列方案数。背包容量:target。
物品体积:由于是选若干个数字出来让他们的和等于 target,所以物品的大小(体积)就是数值大小。
物品价值:这一题没有价值这个维度,只是问背包装满的方案数。
物品数量:每个数字可以选无数次。
https://kamacoder.com/problempage.php?pid=1067

完全背包
恰好装满,求排列方案数
从[1, m]中,选若干个数,每个数可选无数次,放入大小为n的背包,问放满的排列方案数背包容量:n。
物品体积:由于是选若干个数字出来让他们的和等于 n,所以物品的大小(体积)就是数值大小。
物品价值:这一题没有价值这个维度,只是问背包装满的方案数。
物品数量:每个数字可以选无数次。
322. 零钱兑换

完全背包
恰好装满,求最小价值
给定n个数,选若干个数,每个数无限取,求能放满背包的最少数的个数。

给定n个数,选若干个数,每个数无限取,求恰好装满时,最小价值为多少?
背包容量:n。
物品体积:由于是选若干个数字出来让他们的和等于 n,所以物品的大小(体积)就是数值大小。
由于是求最少数的个数,所以每个数的价值就是 1。
物品数量:每个数字可以选无数次。
279. 完全平方数

完全背包
恰好装满,求最小价值
从[1, sqrt(n)]中选若干个数,每个数可选无数次,将其平方放入大小为n的背包中,求能放满的最少数量

从[1, sqrt(n)]中选若干个数,每个数可选无数次,将其平方放入大小为n的背包中,求恰好装满时,最小价值为多少?
背包容量:n。
物品体积:由于是选若干个数字出来让他们平方的和等于 n,所以物品的大小(体积)就是数值大小。
物品价值:由于是求最少数的个数,所以每个数的价值就是 1
物品数量:每个数字可以选无数次。
139. 单词拆分

完全背包
按顺序恰好装满,求是否存在方案
从n个字符串中选若干个字符串,每个字符串可重复使用,拼成长度为s.length()的字符串,问是否能拼成?

从n个物品中选若干个物品,每个物品可重复使用,放入大小为s.length()的背包,问是否能装满?

这n个物品是有顺序的,即必须按照一定的顺序拼成字符串s,所以求的是是否存在一种排列能够拼成字符串s,所以遍历顺序应该先遍历长度
背包容量:s.length()。
物品体积:由于是选若干个字符串出来让他们的长度等于 n,所以物品的大小(体积)就是数值大小。
物品价值:这一题没有价值这个维度,只是问背包装满是否存在方案。
物品数量:每个字符串可以选无数次。
  1. 单词拆分其实是的377. 组合总和 Ⅳ的子问题。

相同点:

  • 每个字符串相当于每个数字,都是物品
  • 每个字符串的长度相当于每个数字的数值大小,都是物品的大小

不同点:

    1. 单词拆分问题问的是,是否存在一种特定的排列能装满背包?这个特定的排列装满背包,就是指按照顺序拼接字符串。而给定的字符串 s 就表明了,字符串一定要按照这个顺序拼接
    1. 组合总和 Ⅳ问题问的是,能装满背包有多少种不同的排列方案,即任意一种放入的顺序都算一种方案
回答: LeetCode上的背包问题是指在给定一组物品和一个背包的容量的情况下,选择哪些物品放入背包,使得背包中物品的总价值最大。根据物品的选择限制,背包问题可以分为0-1背包问题完全背包问题和多重背包问题等不同类型。[2] 对于0-1背包问题,每种物品只能选择0个或1个,即要么放入背包,要么不放入。这种情况下,可以使用动态规划来解决,定义一个二维数组dp[i][j]表示前i个物品放入容量为j的背包中所获得的最大价值。通过状态转移方程dp[i][j] = max(dp[i-1][j], dp[i-1][j-weight[i]] + value[i])来更新dp数组,其中weight[i]表示第i个物品的重量,value[i]表示第i个物品的价值。最终,dp[n][W]即为所求的最大价值,其中n为物品的个数,W为背包的容量。[3] 完全背包问题是指每种物品可以选择任意个数,即可以重复放入背包。在解决完全背包问题时,可以将其转化为0-1背包问题来求解。具体做法是将每个物品拆分成多个重量和价值相同的物品,然后按照0-1背包问题的方法进行求解。[1] 多重背包问题是指每种物品有一定的数量限制,即每种物品可以选择0个到nums[i]个。对于多重背包问题,可以将其转化为0-1背包问题来求解。具体做法是将每个物品拆分成多个重量和价值相同的物品,然后按照0-1背包问题的方法进行求解。[1] 总结来说,背包问题是在给定一组物品和背包容量的情况下,选择合适的物品放入背包,使得背包中物品的总价值最大。根据物品的选择限制,背包问题可以分为0-1背包问题完全背包问题和多重背包问题等不同类型,可以使用动态规划的方法来解决。[2][3]
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值