dp专题13 零钱兑换II

本题链接：. - 力扣（LeetCode）

题目：

思路：

        根据题意，这是一道很裸的背包问题，其中这里是返回 背包方案数 的。

我们可以直接推出公式 ： dp [ j ] += dp[ j - coins[ i ] ]

在我之前做的笔记中，写过具体的背包方案数dp公式，参考我之前的详解即可：dp专题10 目标和 

最后我们再明确一下题目，题目要求是  硬币数量是无限的，说明这是一个 完全背包问题。

完全背包问题 和 01 背包问题区别在于 遍历背包的顺序。

01   背包的  背包 遍历顺序： 逆向。

完全背包的  背包 遍历顺序： 正向。

具体原理是：

背包 逆向 遍历的时候，  物品只能 取 1 次.(01 背包)

代码详解：

for(int i = 0;i < goods.size();++i)
{for(int j = v;j >= goods[i].v;--j){dp[j] = max(dp[j],dp[j - goods.v] + goods.w);}
}/*逆向 的时候，  j == 背包容量(v)   时， 只能取当前的一个 物品 i  随后随着 --j   后面  dp[j]  紧随其后  只取一个物品 i       所以达到了，只取 一次 的效果
*/   

 背包 正向 遍历的时候，  物品可以取多次.(完全 背包)

代码详解：

for(int i = 0;i < goods.size();++i)
{for(int j = goods[i].v;j <= v;++j){dp[j] = max(dp[j],dp[j - goods.v] + goods.w);}
}/*正向 的时候，  j == 物品容量(goods.v)   时， 取当前的一个 物品 i  随后随着 ++j   后面  dp[j]  紧随其后 取一个物品 i       直到达到了 dp[v] ，使得 物品 i 取了多次
*/   

所以 完全背包问题 和 01 背包问题区别在于 遍历背包的顺序。

同样的道理，我们结合dp递推的公式 + 背包遍历顺序，就可以解出这道完全背包问题方案数的问题了。

在这里再扩展一下问题，遍历顺序中，先遍历背包还是先遍历物品？

我们再看一下这两种遍历方法的效果：

①先遍历物品再遍历背包

for(int i = 0;i < goods.size();++i)    // 遍历物品
{for(int j = goods[i].v;j <= v;++j)    // 遍历背包{dp[j] = max(dp[j],dp[j - goods.v] + goods.w);}
}/*假设 物品 等于 下标那么背包会得到的集合是：{1} {1,2} , {2}{1,2,3} , {2,3} , {3}....获取的集合中不会出现 {2,1}... 等集合说明 先遍历物品再遍历背包是一个  组合 数*/   

②先遍历背包再遍历物品

for(int j = goods[i].v;j <= v;++j)    // 遍历背包
{for(int i = 0;i < goods.size();++i)    // 遍历物品{dp[j] = max(dp[j],dp[j - goods.v] + goods.w);}
}/*假设 物品 等于 下标那么背包会得到的集合是：{1} {1,2} , {2，1} ，{2}....获取的集合中会出现 {2,1}... 等集合说明 先遍历物品再遍历背包是一个  排列 数*/   

所以 背包问题 遍历顺序中 ：

先遍历物品再遍历背包： 组合 数。

先遍历背包再遍历物品： 排列 数。

综上所述。

代码详解如下：

inline int change(int& amount, vector<int>& coins) 
{vector<int>dp(amount + 1,0);dp[0] = 1;    // dp 初始化  凑成 0 有 1种方法 就是 +0// 组合数遍历for(int &i:coins)    // 遍历物品{for(int j = i;j <= amount;++j)    // 遍历背包{dp[j] += dp[j - i];    // dp 递推公式}}return dp[amount];    // 返回结果
}

最后提交：