算法训练Day44 动态规划专题- 背包问题 | 完全背包基础知识；LeetCode518. 零钱兑换（装满背包有多少种方法，组合数）；377.组合总和IV（装满背包有多少种方法，排列数）

本文链接：https://blog.csdn.net/weixin_47284299/article/details/128266271

本文深入探讨了动态规划中的完全背包问题，分析了与01背包的区别，包括遍历顺序的不同和代码实现。通过LeetCode518. 零钱兑换和LeetCode377.组合总和IV的实例，阐述了如何解决装满背包的组合数和排列数问题，强调了遍历顺序在动态规划中的关键作用。同时，文章还提供了复杂度分析和学习收获。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言：

算法训练系列是做《代码随想录》一刷，个人的学习笔记和详细的解题思路，总共会有60篇博客来记录，计划用60天的时间刷完。

内容包括了面试常见的10类题目，分别是：数组，链表，哈希表，字符串，栈与队列，二叉树，回溯算法，贪心算法，动态规划，单调栈。

博客记录结构上分为思路，代码实现，复杂度分析，思考和收获，四个方面。

如果这个系列的博客可以帮助到读者，就是我最大的开心啦，一起LeetCode一起进步呀；）

完全背包基础知识

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。

同样leetcode上没有纯完全背包问题，都是需要完全背包的各种应用，需要转化成完全背包问题，所以我这里还是以纯完全背包问题进行讲解理论和原理。

1. 思路

在下面的讲解中，我依然举这个例子：

背包最大重量为4。

物品为：

每件商品都有无限个！问背包能背的物品最大价值是多少？

💡 本题不再按照动态规划五部曲来讲解，而是直接讲解完全背包和01背包在思路上面和代码实现上面的区别。

区别1：遍历顺序不同

首先在回顾一下01背包的核心代码

// 01背包
for(int i = 0; i < weight.size(); i++) { // 遍历物品
    for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
        dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
    }
}

我们知道01背包必须先遍历物品，再遍历背包，其中内嵌的循环是从大到小遍历（逆序），为了保证每个物品仅被添加一次。

而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，即：

// 完全背包
// 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]);

    }
}

为什么呢？

要理解这个区别，最好的办法是举例子，然后模拟状态转移的过程；

01背包dp状态图如下：每层的 j 逆序遍历。

完全背包dp状态图如下：每层的 j 正序遍历。

区别2：也可以先遍历背包，再遍历物品，for循环可颠倒

在01背包中，二维dp数组的两个for遍历的先后循序是可以颠倒了，一维dp数组的两个for循环先后循序一定是先遍历物品，再遍历背包容量。

在完全背包中，对于一维dp数组来说，其实两个for循环嵌套顺序是无所谓的！

因为dp[j] 是根据下标j之前所对应的 dp[j] 计算出来的。只要保证下标j之前的dp[j]都是经过计算的就可以了。

要理解这个区别，最好的办法还是举例子，然后模拟状态转移的过程；

完全背包中先遍历物品再遍历背包

// 完全背包
// 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]);

    }
}

遍历物品在外层循环，遍历背包容量在内层循环，状态如图：

完全背包中先遍历背包，再遍历物品

// 完全背包
// 先遍历背包，再遍历物品
for(int j = 0; j <= bagWeight; j++) { // 遍历背包容量
    for(int i = 0; i < weight.size(); i++) { // 遍历物品
        if (j - weight[i] >= 0) dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
    }
    cout << endl;
}

遍历背包容量在外层循环，遍历物品在内层循环，状态如图：

💡 看了这两个图，大家就会理解，完全背包中，两个for循环的先后循序，都不影响计算dp[j]所需要的值（这个值就是下标j之前所对应的dp[j]）

01背包中如果先逆序遍历背包，再遍历物品呢？

// 01背包
// 先遍历背包，再遍历物品
for(int j = bagWeight; j >= 0; j--) { // 逆序遍历背包容量
    for(int i = 0; i < weight.size(); i++) { // 遍历物品
        if (j - weight[i] >= 0) 
					 dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
    }
    cout << endl;
}