代码随想录算法训练营Day44 | 完全背包理论基础、518.零钱兑换 II、377.组合总和 Ⅳ

本文主要是介绍代码随想录算法训练营Day44 | 完全背包理论基础、518.零钱兑换 II、377.组合总和 Ⅳ,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

完全背包理论基础

完全背包看起来复杂不少,但其代码和0-1背包几乎没啥差别,就只改变了一个背包的遍历顺序:

基于0-1背包的滚动数组实现,将 j 的遍历顺序改为从左到右(此时物品会被重复使用) 

完全背包的重点是如何使一个物品能够被重复使用。理解其实现前先回顾一下0-1背包是怎么让一个物品只使用一次的:

                        背包问题的递推公式:dp[j] = max(dp[j], dp[j - value[i]] + value[i])

这个递推公式中,每次更新使用dp[j]原先的值与其左边的值来更新dp[j]

如果 j 从右向左遍历,更新完dp[j]后继续向左遍历。对于每个dp[j],只有一次与value[i]接触的机会。这就保证了每个物品只取一次。

如果将 j 的遍历顺序改为从左向右呢?dp[j]需要用到其左边的值(设其为dp[j - n])来进行更新,此时需要取用一次物品 i ,而dp[i - n]也是由其左边的值更新来的,这里又可能会需要取用一次物品 i 。所以对于dp[i]来说就能够取用两次物品 i。随着逐渐向右遍历,dp[j]还可能使用更多次物品 i ,这就实现了物品 i 的复数次使用。


 518.零钱兑换 II

这题理解了完全背包后还是比较简单的,没有脑筋急转弯,就是一道完全背包+组合的题,写法与昨天的494目标和差不多

int change(int amount, vector<int>& coins) {vector<int> dp(amount + 1, 0);dp[0] = 1;for (int i = 0; i < coins.size(); ++i) {// 完全背包在遍历滚动数组时,j的顺序是从左向右的for (int j = coins[i]; j <= amount; ++j) {dp[j] += dp[j - coins[i]];}}return dp[amount];
}

377.组合总和 Ⅳ

这题看题好像和上一题差不多,但再仔细看就能发现,这题是排列,而上一题是组合

看似复杂了不少,其实只要调换一下物品和背包的遍历嵌套关系就行:

· 对于组合问题,应该先遍历物品再遍历背包,这样物品是一类一类往背包里放的,物品i+1只能在物品i后放入背包
· 对于排列问题,应该先遍历背包再遍历物品,这样物品i+1能在物品i之前放入背包

(这题有一个恶心人的测试用例,所以在递推时需要多一步判断)

int combinationSum4(vector<int>& nums, int target) {vector<long> dp(target + 1, 0);dp[0] = 1;for (int j = 0; j <= target; ++j) {for (int i = 0; i < nums.size(); ++i) {if (nums[i] > j)continue;// 防止个别测试用例溢出if(dp[j] < INT_MAX - dp[j - nums[i]])dp[j] += dp[j - nums[i]];	}}return dp[target];
}

总结

无论是完全背包与0-1背包的差异,还是排列问题与组合问题的差异,最好的理解方法就是动手模拟一下dp数组的更新过程,模拟实际的物品是怎么一个个放入背包的。

这篇关于代码随想录算法训练营Day44 | 完全背包理论基础、518.零钱兑换 II、377.组合总和 Ⅳ的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/757084

相关文章

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

poj2576(二维背包)

题意:n个人分成两组,两组人数只差小于1 , 并且体重只差最小 对于人数要求恰好装满,对于体重要求尽量多,一开始没做出来,看了下解题,按照自己的感觉写,然后a了 状态转移方程:dp[i][j] = max(dp[i][j],dp[i-1][j-c[k]]+c[k]);其中i表示人数,j表示背包容量,k表示输入的体重的 代码如下: #include<iostream>#include<

hdu2159(二维背包)

这是我的第一道二维背包题,没想到自己一下子就A了,但是代码写的比较乱,下面的代码是我有重新修改的 状态转移:dp[i][j] = max(dp[i][j], dp[i-1][j-c[z]]+v[z]); 其中dp[i][j]表示,打了i个怪物,消耗j的耐力值,所得到的最大经验值 代码如下: #include<iostream>#include<algorithm>#include<

csu(背包的变形题)

题目链接 这是一道背包的变形题目。好题呀 题意:给n个怪物,m个人,每个人的魔法消耗和魔法伤害不同,求打死所有怪物所需的魔法 #include<iostream>#include<algorithm>#include<cstring>#include<stack>#include<queue>#include<set>//#include<u>#include<map

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题

题库来源:安全生产模拟考试一点通公众号小程序 2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题是由安全生产模拟考试一点通提供,流动式起重机司机证模拟考试题库是根据流动式起重机司机最新版教材,流动式起重机司机大纲整理而成(含2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题参考答案和部分工种参考解析),掌握本资料和学校方法,考试容易。流动式起重机司机考试技

hdu1011(背包树形DP)

没有完全理解这题, m个人,攻打一个map,map的入口是1,在攻打某个结点之前要先攻打其他一个结点 dp[i][j]表示m个人攻打以第i个结点为根节点的子树得到的最优解 状态转移dp[i][ j ] = max(dp[i][j], dp[i][k]+dp[t][j-k]),其中t是i结点的子节点 代码如下: #include<iostream>#include<algorithm

hdu4869(逆元+求组合数)

//输入n,m,n表示翻牌的次数,m表示牌的数目,求经过n次操作后共有几种状态#include<iostream>#include<algorithm>#include<cstring>#include<stack>#include<queue>#include<set>#include<map>#include<stdio.h>#include<stdlib.h>#includ