LeeCode 动态规划（三）

完全背包问题

题目描述

有 n 件物品和容量为 w 的背包，给你两个数组 weights 和 values，分别表示第 i 件物品的重量和价值，每件物品可以放入多次，求解将哪些物品装入背包可使得物品价值总和最大？

完全背包问题和01背包唯一的不同就是物品有无限个， 可以多次放入背包

建立模型

1. 确定 dp 数组及下标的含义，数组的含义为从第 [0, i - 1] 个物品中选择物品，其重量和小于等于 j 的最大价值。
2. 初始化 dp 数组：
   \[\begin{cases} dp[i][0] = 0 \quad (0 \le i < weights.length) \\ dp[0][j] = 0 \quad (0 \le j \le bagSize) \end{cases}
   \]
3. 确定递推公式：
   \[\begin{cases} dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - weights[i - 1]] + values[i - 1]) \quad (j \ge weights[i - 1]) \\ dp[i][j] = dp[i - 1][j] \quad (j < weights[i - 1]) \end{cases}
   \]
4. 确定遍历顺序，外循环遍历物品 i -> 1~weights.length ，内循环遍历背包容量 j -> 1~bagSize 。

代码实现

public int completeBagProblem(int[] weights, int[] values, int bagSize) {
  int n = weights.length;
  int[][] dp = new int[n + 1][bagSize + 1];

  for (int i = 1; i <= n; i++) {
    for (int j = 0; j <= bagSize; j++) {
      if (j >= weights[i - 1]) {
        dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - weights[i - 1]] + values[i - 1]);
      }
      else {
        dp[i][j] = dp[i - 1][j];
      }
    }
  }

  return dp[n][bagSize];
}

/**
 * 状态压缩
 * 一维滚动数组实现
 */
public int completeBagProblem(int[] weights, int[] values, int bagSize) {
  int[] dp = new int[bagSize + 1];

  for (int i = 0; i < weights.length; i++) {
    for (int j = weights[i]; j <= bagSize; j++) {
      dp[j] = Math.max(dp[j], dp[j - weights[i]] + values[i]);
    }
  }
}

LeeCode 377：组合总和IV

题目描述

给你一个由 不同 整数组成的数组 nums ，和一个目标整数 target 。请你从 nums 中找出并返回总和为 target 的元素组合的个数。

题目数据保证答案符合 32 位整数范围。顺序不同的序列被视作不同的组合。

数据范围

• \(1 \le nums.length \le 200\)
• \(1 \le nums[i] \le 1000\)
• \(1 \le target \le 1000\)
• nums 中元素互不相同

建立模型

该问题有两个关键特征：

• 元素可以多次选择，属于完全背包问题
• 不同的选择顺序视为不同的组合，属于排列问题

问题转化 \(\Rightarrow\) 完全背包问题

物品 \(\rightarrow\) 数组中的元素，价值和重量都是 nums[i]

背包容量 \(\rightarrow\) 目标整数

模型建立

1. 确定 dp 数组及下标的含义，数组的含义为组合成目标整数 j 的方法数。
2. 初始化 dp 数组，dp[0] = 1，表示组合成目标整数0只有一种方法，空集。
3. 确定递推公式：dp[j] = dp[j] + dp[j - nums[i]]
4. 确定遍历顺序：外循环遍历背包容量 j -> 1~target，内循环遍历物品 i -> 0 ~ nums.length - 1 。

为什么是外循环遍历背包容量呢？

从题目描述中分析，当前问题属于一个排列问题，即不同的添加顺序属于不同的组合。如果外循环遍历物品，添加物品时只能按照 nums 中元素的相对顺序添加，无法得到不同的顺序；反之，外循环遍历背包容量，每次循环都可以考虑所有的物品。

Example

上面的话可能不好理解，举个例子说明，nums = {1, 2, 3}，target = 4。

如果外循环遍历物品，那么只会出现 {1, 3}，而不会出现 {3, 1}。

如果外循环遍历背包容量，则会出现 {1, 3} 和 {3, 1}。

总结下来，可以得到以下两个结论：

• 排列问题：外循环遍历背包容量，内循环遍历物品
• 组合问题：外循环遍历物品，内循环遍历背包容量

代码实现

public int combinationSum4(int[] nums, int target) {
  int[] dp = new int[target + 1];
  dp[0] = 1;

  /**
   * 排列问题，先遍历背包容量，后遍历物品
   */
  for (int j = 1; j <= target; j++) {
    for (int i = 0; i < nums.length; i++) {
      if (j >= nums[i]) {
        dp[j] += dp[j - nums[i]];
      }
    }
  }

  return dp[target];
}

LeeCode 518：零钱兑换

题目描述

给你一个整数数组 coins 表示不同面额的硬币，另给一个整数 amount 表示总金额。

请你计算并返回可以凑成总金额的硬币组合数。如果任何硬币组合都无法凑出总金额，返回 0 。

假设每一种面额的硬币有无限个。 题目数据保证结果符合 32 位带符号整数。

建立模型

问题转换 \(\Rightarrow\) 完全背包问题

物品 \(\rightarrow\) 硬币，价值和重量都是 coins[i]

背包容量 \(\rightarrow\) 总金额

该问题描述等价于从 conis 中选择若干个硬币，使其等于总金额的方法数，每个硬币可以选择多次，且不同的选择顺序视为同一方法，属于组合问题。

代码实现

public int change(int amount, int[] coins) {
  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];
}

LeeCode 279：完全平方数

题目描述

给你一个整数 n ，返回 和为 n 的完全平方数的最少数量 。

完全平方数 是一个整数，其值等于另一个整数的平方；换句话说，其值等于一个整数自乘的积。例如，1、4、9 和 16 都是完全平方数，而 3 和 11 不是。

建立模型

问题转化 \(\Rightarrow\) 完全背包问题

该问题描述等价于从 [1, 4, 9, ..., \(\lfloor \sqrt{n} \rfloor^{2}\)] 这些完全平方数中选择若干个数，使其和等于 n 的最少个数，且每个完全平方数可多次选择。

物品 \(\rightarrow\) 完全平方数

背包容量 \(\rightarrow\) 整数 n

代码实现

public int numSquares(int n) {
  int[] dp = new int[n + 1];
  dp[0] = 0;

  for (int i = 1; i <= n; i++) {
    dp[i] = Integer.MAX_VALUE;
  }

  for (int i = 1; i * i <= n; i++) {
    for (int j = i * i; j <= n; j++) {
      if (dp[j - i * i] != Integer.MAX_VALUE) {
        dp[j] = Math.min(dp[j], dp[j - i * i] + 1);
      }
    }
  }

  return dp[n];
}

LeeCode 139：单词拆分

题目描述

给你一个字符串 s 和一个字符串列表 wordDict 作为字典。请你判断是否可以利用字典中出现的单词拼接出 s 。

注意：不要求字典中出现的单词全部都使用，并且字典中的单词可以重复使用。

建立模型

问题转化 \(\Rightarrow\) 完全背包问题

该问题描述等价于从字典中选择若干个字符串，是否可以拼接成字符串 s ，且字典中的字符串可多次使用。

物品 \(\rightarrow\) 字典中的字符串

背包容量 \(\rightarrow\) 字符串 s

模型建立

1. 确定 dp 数组及下标含义，数组的含义为 由字符串 s 中下标 0 ~ i - 1 构成的子串是否能字典中的单词拼接。
2. 初始化 dp 数组，\(dp[0] = true\)，表示空串可由字典中的单词拼接
3. 确定递推公式：\(dp[i] = wordDict.contains(s.substring(j, i))\ \&\&\ dp[j]\)
4. 确定遍历顺序，枚举子串的结束位置和单词的起始位置。

代码实现

public boolean wordBreak(String s, List<String> wordDict) {
  boolean[] dp = new boolean[s.length() + 1];
  dp[0] = true;

  // i -> 子串结束位置, j 子串起始位置
  for (int i = 1; i <= s.length(); i++) {
    for (int j = 0; j < i; j++) {
      String temp = s.substring(j, i);
      if (wordDict.contains(temp) && dp[j]) {
        dp[i] = true;
      }
    }
  }

  return dp[s.length()];
}