DP 背包问题

原创已于 2022-08-12 20:52:22 修改 · 314 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#动态规划 #算法

于 2022-08-12 16:39:58 首次发布

完全背包组合数一维方法：

dp[j] = min(dp[j],dp[j-coins[i-1]]+1)

完全背包 2维方法：

class Solution:
    def coinChange(self, coins: List[int], amount: int) -> int:
        n = len(coins)
        dp = [[float("inf")]*(amount+1) for _ in range(n+1)]
        dp[0][0] = 0
        #for each object
        for i in range(1,n+1):
            #for each bag
            for j in range(amount+1):
                if coins[i-1]<=j:
                    dp[i][j] = min(dp[i-1][j],dp[i][j-coins[i-1]]+1)
                else:#if adding coin[i-1],velocity exceeds
                    dp[i][j] = dp[i-1][j]
        return dp[n][amount] if dp[n][amount]!=float("inf") else -1

完全背包排列数一维方法：

背包问题一维数组较容易但本题还有特殊性，因为是要求子串，最好是遍历背包放在外循环，将遍历物品放在内循环。如果要是外层for循环遍历物品，内层for遍历背包，就需要把所有的子串都预先放在一个容器里。

完全背包排列数二维方法（比较复杂）：

    int[][] dp = new int[target + 1][nums.length + 1];
    for (int i = 0; i <= nums.length; i++) {
        dp[0][i] = 1;
    }

    for (int i = 1; i <= target; i++) {
        for (int j = 1; j <= nums.length; j++) {
            if(i >= nums[j - 1]){
                for (int k = 0; k < j; k++) {
                    dp[i][j] += dp[i - nums[k]][j];
                }
            }
            else dp[i][j] = dp[i][j - 1];
        }
    }

    return dp[target][nums.length];