IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 数据结构与算法 -> 力扣刷题-动态规划算法3:完全背包问题 -> 正文阅读

[数据结构与算法]力扣刷题-动态规划算法3:完全背包问题

1. 完全背包问题概念

  1. 问题描述:
    1)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] 。
    2)每件物品都有无限个(也就是可以放入背包多次)(比0-1背包多出的条件)
    3) 求解将哪些物品装入背包里物品价值总和最大。

  2. 求解步骤:
    1)首先遍历物品,然后遍历重量,都是从小到大遍历,顺序没有关系(因为性价比最高的只有一个)

2. 完全背包问题第一种:求最大价值(和题目描述一致)

  1. 代码
//1. 先遍历物品,再遍历重量最常见,也更好理解一点
public class demo2 {
    public static void main(String[] args) {
        int[] weight = new int[]{1, 3, 4};
        int[] value = new int[]{15, 20, 30};
        int maxweight = 4;
        //1)dp数组的定义,默认初始化零
        int[] dp = new int[maxweight + 1];
		
		//2)遍历和迭代:先物品再重量,是正序
        for (int i = 0; i < weight.length; i++) {
            for (int j = weight[i]; j <= maxweight ; j++) {
                dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
            }
        }
        System.out.println("dp=" + Arrays.toString(dp));
    }
}
//2. 先遍历重量,再遍历物品
public class demo2 {
    public static void main(String[] args) {
        int[] weight = new int[]{1, 3, 4};
        int[] value = new int[]{15, 20, 30};
        int maxweight = 4;
        //1)dp数组的定义,默认初始化零
        int[] dp = new int[maxweight + 1];

        //2)遍历和迭代:先重量再物品,是正序
        for (int j = 0; j <= maxweight ; j++) {
            for (int i = 0; i < weight.length; i++) {
                if(j>=weight[i]) dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
            }
        }
        System.out.println("dp=" + Arrays.toString(dp));
    }
}

3. 完全背包问题第二种:求最多的组合(类似0-1第二种)

题目描述:容量为k背包,存放物品int[] coins,装满有多少种可能性(每种物品有无限个)
注意:遍历先物品还是先重量是有区别的:

1)先物品再重量,那么就是组合数
//1. 求组成的种类,因为是完全背包,故重量也是从小到大
    public int change(int amount, int[] coins) {
        //1)dp数组的定义和初始化
        int[] dp =new int[amount+1];
        dp[0]=1;

        //2)dp数组遍历和迭代  //迭代公式一定要记住,是一个累加的过程。
        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];
    }
1)先重量再物品,那么就是排列数
//1. 求组成的种类,因为是完全背包,故重量也是从小到大
    public int change(int amount, int[] coins) {
        //1)dp数组的定义和初始化
        int[] dp =new int[amount+1];
        dp[0]=1;

        //2)dp数组遍历和迭代  //迭代公式一定要记住,是一个累加的过程。
        for(int j=0;j<=amount;j++){
             for(int i=0;i<coins.length;i++){
               if(j>=coins[i]) dp[j]+=dp[j-coins[i]];
            }
        }
        return dp[amount];
    }

4. 完全背包的总结

4.1 第一类完全背包问题::求最大价值

1)问题描述:若干个物品,每个物品有对应的重量和价值,当背包大小固定为K时,如何装存物品,使得背包中物品的价值最大?其中同一种物品的个数不限制。
2)求解方法:
(1):用一维dp数组:使用默认初值0;双层遍历,先正序遍历物品,再正序遍历重量或者先正序遍历重量,再逆序遍历物品,两种遍历方向都可以,但是必须都为正序遍历。

4.2 第二类完全背包问题:装满可能性

1)问题描述:容量为k背包,存放物品,装满有多少种可能性?其中同一种物品的个数不限制。
2)求解方法:
(1):用一维dp数组:dp[0]=1;双层遍历
正序遍历物品,再正序遍历重量,迭代方法为累加,求的是组合数
正序遍历重量,再正序遍历物品,迭代方法为累加,求的是排列数

4.3 0-1背包和完全背包的区别:就在重量是否是正逆序上面。

第一题:518.零钱兑换II(完全背包第二类问题:组合数)

  1. 题目描述

```

2. 步骤
1)就是第二类完全背包问题,求背包满的种类数,只是这里用了组合数,所以需要先遍历物品,再遍历重量。
4. 代码
```java
//1. 求组成的种类,因为是完全背包,故重量也是从小到大
    public int change(int amount, int[] coins) {
        //1)dp数组的定义和初始化
        int[] dp =new int[amount+1];
        dp[0]=1;

        //2)dp数组遍历和迭代  //迭代公式一定要记住,是一个累加的过程。//先物品再重量
        for(int i=0;i<coins.length;i++){
            for(int j=coins[i];j<=amount;j++){
                dp[j]= dp[j-coins[i]] + dp[j];
            }
        }
        return dp[amount];
    }

第二题:377.组合总和IV(完全背包第二类问题,考虑排列数)

  1. 题目描述

  2. 解题步骤
    1)就是第二类完全背包问题,求背包满的种类数,只是这里用了排列数,所以需要先遍历重量,再遍历物品。

  3. 代码:

    public int combinationSum4(int[] nums, int target) {
        //定义dp数组,并初始化
        int[] dp=new int[target+1];
        dp[0]=1;

        //迭代遍历:先金额,再硬币种类
        for(int i=0;i<=target;i++){
            for(int j=0;j<nums.length;j++){
                if(i>=nums[j]) dp[i]+=dp[i-nums[j]];
            }
        }
        return dp[target];

    }

第三题:70.爬楼梯(完全背包第二类问题,考虑排列数)

  1. 题目描述
  1. 解题思路
    1)这是之前出现的一道题目,用斐波那契算法类似的。
    2)也可以从完全背包方面进行解析。
  2. 代码
//以前的思路
public int climbStairs(int n) {

        //1)斐波那契算法
        int[] dp=new int[n+1];
        if(n<=2) return n;
        dp[0]=0;
        dp[1]=1;
        dp[2]=2;
        for(int i=3;i<=n;i++){
            dp[i]=dp[i-1]+dp[i-2];
        }
        return dp[n];

    }
//完全背包的思路
    public int climbStairs(int n) {
        //完全背包问题:两个物体【1和2】,背包的大小为n,物品的个数为无限
        //求解符合要求的情况有多少种,求排列数

        //1)dp数组的定义和初始化
        int[] dp=new int[n+1];
        dp[0]=1;

        //2)遍历和迭代:先背包,后物品,正序
        for(int i=0;i<=n;i++ ){
            for(int j=1;j<=2;j++){
                if(i>=j) dp[i]+=dp[i-j];
            }
        }
        return dp[n];
    }

第四题:322.零钱兑换(完全背包第一类问题,求最小值)

  1. 题目描述
  1. 解题步骤
    1)先遍历物品,再遍历钱;
    2)dp[ i] 数组的含义为:为了凑成总金额所需的最少硬币个数
    3)迭代公式:
    (1):加入硬币i,故其硬币总数为:dp[ j-weight[ i ] ]+1
    (2):不加入硬币i,故其硬币维持之前的为:dp[ j ]
  2. 代码
class Solution {
    public int coinChange(int[] coins, int amount) {
        //核心思路:这是一个典型的完全背包问题,两层遍历,从前向后,只是迭代公式不一样
        //迭代公式:dp[j]=Math.min(dp[j],dp[j-coins[i]]+1)
        
        //dp数组的新建和初始化(第一个为0,剩下的初始为最大值max)
        int max=Integer.MAX_VALUE;
        int[] dp=new int[amount+1];
        for(int i=1;i<amount+1;i++){
            dp[i]=max;
        }
        //System.out.println("dp1="+ Arrays.toString(dp));

        //遍历(没有顺序) 
        for(int i=0;i<coins.length;i++){
            for(int j=coins[i];j<=amount;j++){
                //易错点:如果退回去的值dp[j-coins[i]]=max,那么这一步就不算数
                if(dp[j-coins[i]]!=max) dp[j]=Math.min(dp[j],dp[j-coins[i]]+1);
            }
        //System.out.println("dp="+ Arrays.toString(dp));
        }
        //返回判断:如果最后时max,则不能够组成
        return dp[amount]==max?-1 : dp[amount] ;
    }
}
  1. 注意点:
    1)初始化数组的时候,因为要比较的是最小值,所以第一个值初始化为0,后面的初始化应该为比较大的值(相对于于比较最大值的区别)
    2)在中间比较的时候,当之前的硬币数数有效时,即不是初始值的时候,才是有效的,进行判断才有价值。

第五题:279.完全平方数(完全背包第一类问题,求最小值)

  1. 题目描述
  1. 解题步骤
    1)此题和上一题一模一样,只是需要通过给定的n,然后自己给出物品数组
  2. 代码
class Solution {
    public int numSquares(int n) {
        //1)根据给定的值,得出物品的集合
        int[] things=new int[n+1];
        for(int i=1;i<=n;i++) things[i]=i*i;
        //System.out.println(Arrays.toString(things));

        //2)初始化dp数组
        int max=Integer.MAX_VALUE;
        int[] dp=new int[n+1];
        for(int i=1;i<=n;i++) dp[i]=max;
        //System.out.println(Arrays.toString(dp));    

        //3)遍历和迭代
        for(int i=1;i<=n;i++){
            for(int j=things[i];j<=n;j++){
            if(dp[j-things[i]]!=max) dp[ j ]=Math.min(dp[j-things[i]]+1, dp[j]);
            }
        } 
              
        //4)输出
        return dp[n];

    }
}

第六题:139.单词拆分?(完全背包第一类问题,求可能不可能)

  1. 题目描述
  1. 解题步骤
    1)dp[i] :即从0-i个字符,是否都在wordDict里面能够找到对应的值;可能是全部,可能是一部分。
    2)迭代公式:
    (1):把s的前i个字符分为两部分:如果前面一部分已经判断能够找到,剩下的一部分能够凑成一个单词,那么就可以判定为true了。
    3)遍历顺序:遍历背包放在外循环,将遍历物品放在内循环。内循环从前到后。
  2. 代码
class Solution {
    public boolean wordBreak(String s, List<String> wordDict) {
        //完全背包问题:数组就是硬币,字符串就是金钱

        //1)数组的定义和初始化:boolean[] 默认值为false;
        boolean[] dp=new boolean[s.length()+1];
        dp[0]=true;  //dp[0]=true;

        //2)遍历迭代:先重量,后物品
        for(int i=1;i<=s.length();i++){  //**遍历背包**
            for(int j=0;j<i;j++)    //**遍历物品**
            //前一部分  dp[j]=s.substring(0,j+1)在字典中能够找到
            //后一部分:wordDoct.contains(s.substring(j,i) 能够找到对应的单词
            if( dp[j] && wordDict.contains(s.substring(j,i)) ) dp[i]=true;
        }

        //3)输出:
        return dp[s.length()];
    }
}

7. 多重背包问题

  1. 有N种物品和一个容量为V 的背包。第i种物品最多有Mi件可用,每件耗费的空间是Ci ,价值是Wi 。求解将哪些物品装入背包可使这些物品的耗费的空间 总和不超过背包容量,且价值总和最大。
  2. 与0-1背包问题区别:0-1背包问题每件物品个数为1,而多重背包为设定的值x
  3. 求解思路:直接在0-1背包问题上面进行改写:先遍历物品,再遍历重量,然后再加一层循环,即遍历物品的个数,就可以解出来了。

8. 总结:

  1. 完全背包第二类问题:求解装满背包的种类:
    (0):迭代公式:dp[j] += dp[j - nums[i]]
    (1):组合数:518.零钱兑换II
    (2):排列数:377.组合总和IV,70.爬楼梯
  2. 完全背包第一类问题:问装满背包所有物品的最小个数:
    (0):dp[j] = min(dp[j - coins[i]] + 1, dp[j]);
    (1):322.零钱兑换
    (2):279. 完全平方数
  数据结构与算法 最新文章
【力扣106】 从中序与后续遍历序列构造二叉
leetcode 322 零钱兑换
哈希的应用:海量数据处理
动态规划|最短Hamilton路径
华为机试_HJ41 称砝码【中等】【menset】【
【C与数据结构】——寒假提高每日练习Day1
基础算法——堆排序
2023王道数据结构线性表--单链表课后习题部
LeetCode 之 反转链表的一部分
【题解】lintcode必刷50题<有效的括号序列
上一篇文章      下一篇文章      查看所有文章
加:2022-05-24 18:28:41  更:2022-05-24 18:28:51 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/26 2:03:28-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码