完全背包问题基础知识及两道经典例题

定义

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。

它的大体步骤和01背包相同，有兴趣可以去我的博客背包问题之01背包
了解
这里介绍下不一样的地方，因为它的物品可以拿无数件，所以在遍历顺序这里不同
先来回顾一下01背包的遍历，为什么是这个顺序，内外能不能换，遍历容量为什么要从大到小我也在前面解释过。

for(int i = 0; i < weight.length(); i++) { // 遍历物品
    for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
        dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
    }
}

完全背包的物品可以重复放入，所以它的容量是从小到大的

// 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]);

    }
}

完全背包的遍历顺序则要根据具体情况具体分析，纯完全背包对于一维dp来说无论谁先遍历都是可以的，因为下标j之前的dp[j]都是经过计算得来的。
零钱兑换2

class Solution {
    public int change(int amount, int[] coins) {
        //dp数组定义，首先物品是不同面额的硬币，背包是总金额，dp[j]为总金额为j时不同的硬币组合数
        //这道题不是一道纯完全背包问题，它不是要凑成总金额，而是要求凑成总金额的组合数的个数，
        //递推公式：dp[j] += dp[j - coins[i]];这里的递推公式我之前的博客有写过
        //初始化：dp[0] = 1,不然累加全是0；
        //遍历顺序，先遍历物品，再遍历背包容量，不然算的是排列数
        int[] dp = new int[amount + 1];
        dp[0] = 1;
        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];
    }
}

组合总和4

class Solution {
    public int combinationSum4(int[] nums, int target) {
        //这是一道求组合个数的动规题
        //dp定义dp[j] 为凑成target j的元素组合的个数
        //nums里的数可以取无数个，所以是完全背包
        //递推公式：dp[j] += dp[j - nums[i]];
        //初始化：dp[0] = 1;
        //遍历顺序：因为排列顺序不同被当作不同组合，所以是求排列数，所以背包容量放在外面遍历
        int[] dp = new int[target + 1];
        dp[0] = 1;
        for(int j = 0;j <= target;j++) {
            for(int i = 0;i < nums.length;i++) {
                if(j - nums[i] >= 0) {
                    dp[j] += dp[j - nums[i]];
                }
            }
        }
        return dp[target];
    }
}

这两道的区别就是题目要求是组合还是排列数，物品循环放在外面，每个容量的dp只会考虑到该位置的物品在后面的情况，而容量在外面，每个dp有哪几个组成都要考虑一遍，所以是排列数。