完全背包理论
1、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;
2、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;
3、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;
4、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;
518. 零钱兑换 II - 力扣(LeetCode)
①确定dp数组以及下标的含义
dp[j]:凑成总金额j的货币组合数为dp[j];
②确定递推公式
dp[j] 就是所有的dp[j - coins[i]](考虑coins[i]的情况)相加。所以递推公式:dp[j] += dp[j - coins[i]];
③dp数组如何初始化
首先dp[0]一定要为1,dp[0] = 1是 递归公式的基础。如果dp[0] = 0 的话,后面所有推导出来的值都是0了。
④确定遍历顺序
本题是求凑出来的方案个数,且每个方案个数是为组合数。先遍历物品,在遍历背包(值);
⑤举例推导dp数组
from typing import List
class Solution:
def change(self, amount: int, coins: List[int]) -> int:
dp = [0]*(amount+1)
dp[0] = 1
# 遍历物品
for i in range(len(coins)):
# 遍历背包
for j in range(coins[i], amount+1):
dp[j] += dp[j-coins[i]]
return dp[amount]
if __name__ == '__main__':
amount = 5
coins = [1, 2, 5]
res = Solution().change(amount, coins)
print(res)
377. 组合总和 Ⅳ - 力扣(LeetCode)
思路:本题题目描述说是求组合,但又说是可以元素相同顺序不同的组合算两个组合,其实就是求排列!(排列强调顺序,(1,5)和(5,1)是两个不同的排列;组合不强调顺序,(1,5)和(5,1)是同一个组合。)
①确定dp数组以及下标的含义
dp[i]: 凑成目标正整数为i的排列个数为dp[i]
②确定递推公式
递推公式:dp[i] += dp[i - nums[j]]
③dp数组如何初始化
dp[0]要初始化为1
④确定遍历顺序
如果求组合数就是外层for循环遍历物品,内层for遍历背包。
如果求排列数就是外层for遍历背包,内层for循环遍历物品。
⑤举例推导dp数组
from typing import List
class Solution:
def combinationSum4(self, nums: List[int], target: int) -> int:
dp = [0]*(target+1)
dp[0] = 1
# 遍历背包
for i in range(1, target+1):
# 遍历物品
for j in range(len(nums)):
if i-nums[j] >= 0:
dp[i] += dp[i-nums[j]]
return dp[target]
if __name__ == '__main__':
nums = [1, 2, 3]
target = 4
res = Solution().combinationSum4(nums, target)
print(res)
57. 爬楼梯(第八期模拟笔试)(卡码网)
思路:之前做的 爬楼梯 是只能至多爬两个台阶,这次是你可以爬至多m (1 <= m < n)个台阶;
①确定dp数组以及下标的含义
dp[i]: 凑成目标正整数为i的排列个数为dp[i]
②确定递推公式
递推公式:dp[i] += dp[i - j]
③dp数组如何初始化
dp[0]要初始化为1
④确定遍历顺序
1、2 步 和 2、1 步都是上三个台阶,但是这两种方法不一样!
⑤举例推导dp数组
from typing import List
class Solution:
def climbing_stairs(self, n, m):
# 背包总容量
dp = [0]*(n+1)
# 初始化
dp[0] = 1
# 排列题,注意循环的顺序
for j in range(1, n+1):
for i in range(1, m+1):
if j >= i:
# 这里的i是重量
dp[j] += dp[j-i]
return dp[n]
if __name__ == '__main__':
n = 3
m = 2
res = Solution().climbing_stairs(n, m)
print(res)