算法第三十八天:动态规划part06(第九章)

上期回顾:

如果求组合数就是外层for循环遍历物品,内层for遍历背包。

如果求排列数就是外层for遍历背包,内层for循环遍历物品。

1.零钱兑换

思路:

一、问题类别识别

  • 本题为完全背包问题 (每种硬币可重复用),求最值(最小硬币个数)

二、状态表示

  • dp[j]: 表示凑成金额 j 所需的最少硬币数

三、初始化

  • dp[0] = 0: 凑出金额 0,需要 0 个硬币。

  • 其余初始化为 inf,表示"当前金额不可达"。

四、状态转移方程

  • 如果当前金额 j 可以由 j - coin 推出:

    dp[j]=min⁡(dp[j],dp[j−coin]+1)dp[j] = \min(dp[j], dp[j - coin] + 1)dp[j]=min(dp[j],dp[j−coin]+1)


五、遍历顺序

  • 外层遍历 物品coin),内层遍历 容量j in range(coin, amount+1)),表示"完全背包"。

    class Solution:
    def coinChange(self, coins: List[int], amount: int) -> int:

    复制代码
          #dp[j] 是凑成总金额j所需要的最少的硬币个数
          # 初始化 dp 数组,dp[j] 表示凑成金额 j 所需的最少硬币数
          dp = [float('inf')]*(amount+1)
          dp[0] = 0
    
          for coin in coins:
              for j in range(coin, amount+1):
                  dp[j] = min(dp[j], dp[j-coin]+1) #最少的硬币个数 
          return dp[amount] if dp[amount] != float('inf') else -1

2.完全平方数

279. 完全平方数 - 力扣(LeetCode)

复制代码
class Solution:
    def numSquares(self, n: int) -> int:
        #定义dp[j]:构成和为j的完全平方数的最少数量
        dp = [float('inf')]*(n+1)
        dp[0] = 0


        #递归公式 组合:先物品后背包
        #枚举所有的完全平方数作为物品
        for num in range(1, int(n**0.5)+1):
            squre = num*num
            for j in range(squre, n+1):
                    dp[j] = min(dp[j], dp[j-squre]+1)
        return dp[n]

3.单词拆分

复制代码
class Solution:
    def wordBreak(self, s: str, wordDict: List[str]) -> bool:
        #思路:从wordDict里(背包)取出物品看是否满足
        #有顺序的属于排列:先背包后物品

        #dp[i]表示字符串s的前i个字符s[:i]是否可以拆分成字典中的单词的组合
        n = len(s)
        dp = [False]*(n+1)
        dp[0] = True
        #将字符串列表转化为集合set(),查询操作的时间复杂度降为O(1)
        word_set = set(wordDict)

        for i in range(1, n+1):  #s[:i]
            for j in range(i):    # 尝试所有可能的分割点
                if dp[j] and s[j:i] in word_set:
                    dp[i] = True
                    break
        return dp[n]

背包总结

在讲解背包问题的时候,我们都是按照如下五部来逐步分析,相信大家也体会到,把这五部都搞透了,算是对动规来理解深入了。

  1. 确定dp数组(dp table)以及下标的含义
  2. 确定递推公式
  3. dp数组如何初始化
  4. 确定遍历顺序
  5. 举例推导dp数组

背包递推公式

问能否能装满背包(或者最多装多少):dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]); ,对应题目如下:

问装满背包有几种方法:dp[j] += dp[j - nums[i]] ,对应题目如下:

问背包装满最大价值:dp[j] = max(dp[j], dp[j - weight[i]] + value[i]); ,对应题目如下:

问装满背包所有物品的最小个数:dp[j] = min(dp[j - coins[i]] + 1, dp[j]); ,对应题目如下:

遍历顺序

01背包

动态规划:关于01背包问题,你该了解这些! (opens new window)中我们讲解二维dp数组01背包先遍历物品还是先遍历背包都是可以的,且第二层for循环是从小到大遍历。

动态规划:关于01背包问题,你该了解这些!(滚动数组) (opens new window)中,我们讲解一维dp数组01背包只能先遍历物品再遍历背包容量,且第二层for循环是从大到小遍历。

一维dp数组的背包在遍历顺序上和二维dp数组实现的01背包其实是有很大差异的,大家需要注意!

完全背包

说完01背包,再看看完全背包。

动态规划:关于完全背包,你该了解这些! (opens new window)中,讲解了纯完全背包的一维dp数组实现,先遍历物品还是先遍历背包都是可以的,且第二层for循环是从小到大遍历。

但是仅仅是纯完全背包的遍历顺序是这样的,题目稍有变化,两个for循环的先后顺序就不一样了。

如果求组合数就是外层for循环遍历物品,内层for遍历背包

如果求排列数就是外层for遍历背包,内层for循环遍历物品

背包结束啦,加油!下一章见!

相关推荐
MMjeaty24 分钟前
数据结构——栈和队列
数据结构·算法
机器学习之心6 小时前
多目标鲸鱼优化算法(NSWOA),含46种测试函数和9个评价指标,MATLAB实现
算法·matlab·多目标鲸鱼优化算法·46种测试函数·9个评价指标
max5006006 小时前
基于Meta Llama的二语习得学习者行为预测计算模型
人工智能·算法·机器学习·分类·数据挖掘·llama
王哥儿聊AI8 小时前
Lynx:新一代个性化视频生成模型,单图即可生成视频,重新定义身份一致性与视觉质量
人工智能·算法·安全·机器学习·音视频·软件工程
手握风云-9 小时前
优选算法的寻踪契合:字符串专题
算法
闭着眼睛学算法9 小时前
【华为OD机考正在更新】2025年双机位A卷真题【完全原创题解 | 详细考点分类 | 不断更新题目 | 六种主流语言Py+Java+Cpp+C+Js+Go】
java·c语言·javascript·c++·python·算法·华为od
IT古董9 小时前
【第五章:计算机视觉-项目实战之目标检测实战】2.目标检测实战:中国交通标志检测-(2)中国交通标志检测数据格式转化与读取
算法·目标检测·计算机视觉
MobotStone9 小时前
LLM 采样入门到进阶:理解与实践 Top-K、Top-P、温度控制
算法
杨小码不BUG10 小时前
CSP-J/S初赛知识点精讲-图论
c++·算法·图论··编码·csp-j/s初赛
LeaderSheepH11 小时前
常见的排序算法
数据结构·算法·排序算法