动态规划背包问题学习笔记：目标和（0-1背包），零钱兑换（完全背包）

本文链接：https://blog.csdn.net/xying_chloe/article/details/146306284

学习路线参考：0-1背包完全背包【基础算法精讲 18】_哔哩哔哩_bilibili

ps：笔记和代码按本人理解整理，重思路

【如果笔记对你有帮助，欢迎关注&点赞&收藏，收到正反馈会加快更新！谢谢支持！】

背包问题：

问题：一个最大容量为 $V$ 的背包，能装多少价值的物体 (物体A、B、C…)
物体A重量为 $w_A$ , 价值为 $v_A$ ；物体B重量为 $w_B$ , 价值为 $v_B$ ；物体C重量为 $w_C$ , 价值为 $v_C$
0-1背包问题：每个物体只有一个 → 不选 or 选
完全背包问题：每个物体有无数个 → 不选 or 选x个

题目1：目标和

494. 目标和 - 力扣（LeetCode）

题目类型：0-1背包问题（选or不选 → 正 or 负）使结果恰好等于目标和
拆解：
- 正数的和为 $p$ ，负数的和为 $q$ ：1. $p - q = target$ 2. $p + q = sum(nums) = s$
- 得到 $p = (s + target) / 2$ & $q = (s - target) / 2$
- 问题转化成：和恰好为 $p$ 或 $q$ 的数有几组？（下面以找到和为 $q$ 为例）
- 比如 nums = [1,1,1,1,1]，target = 3 计算得 p = 4, q = 1 → 共5个方案
- 另：因为 $p$ , $q$ 是整数，所以 (s + target) 和 (s - target) 必须是偶数
转化为动态规划问题：
- nums 中有几组数，他们的和为 $q$
- dp[i][c] 表示 “第0到第 i 个num都可以选的情况下，目标和为c” 有几种方案
- 初始化 dp[0][0] = 1，表示“没有num，和为0” 有一种方案
- 因为dp[1]对应第 0 个num，dp[i+1] 对应第 i 个num
- 如果第 i 个num大于目标和c，不能选第 i 个num，{当前方案数} = {“第0到第 i-1 的num都可以选的情况下，目标和为c”的方案数}【 dp[i+1][c] = dp[i][c] 】
- 如果第 i 个物体重量小于等于目标和c，选or不选第 i 个物体都可以，{当前方案数} = {不选第 i 个物体的方案数} + {选第 i 个物体的方案数} 【 dp[i+1][c] = dp[i][c] + dp[i][c-nums[i]] 】
  - 其中 {选第 i 个物体的方案数} = {“第1到第 i-1 的num都可以选的情况下，目标和为c-nums[i-1]”的方案数
  - 其中 {不选第 i 个物体的方案数} = {“第0到第 i-1 的num都可以选的情况下，目标和为c”的方案数}

代码：

class Solution:
    def findTargetSumWays(self, nums: List[int], target: int) -> int:
        s = sum(nums) - abs(target)
        if s < 0 or s % 2:  # 不可能存在目标和的情况：1. target比sum(nums)大 2. sum(nums) - abs(target) 为奇数
            return 0
        q = s // 2  # 背包容量

        n = len(nums)
        dp = [[0] * (q + 1) for _ in range(n + 1)]
        dp[0][0] = 1
        for i, x in enumerate(nums):
            for c in range(q + 1):
                if c < x: # 目标和 < 当前num，不能选当前num
                    dp[i + 1][c] = dp[i][c]  # dp[i + 1]对应第i个num
                else:
                    dp[i + 1][c] = dp[i][c] + dp[i][c - x]  # 不选 + 选
        return dp[n][q]

空间优化：一维dp

滚动更新一维dp：
- 如果第 i 个num大于目标和c：不更新
- 如果第 i 个物体重量小于等于目标和c：{当前方案数} = dp[c]{不选第 i 个物体的方案数} + dp[c - num]{选第 i 个物体的方案数}
因为更新dp时，加上的dp[c - num]，要保证是上轮的，所以需要从右边开始更新（如果从左边更新，dp[c - num] 会被本轮的值覆盖，导致错误）

代码：

class Solution:
    def findTargetSumWays(self, nums: List[int], target: int) -> int:
        s = sum(nums) - abs(target)
        if s < 0 or s % 2:
            return 0
        q = s // 2 

        n = len(nums)
        dp = [0] * (q + 1) # 一维dp
        dp[0] = 1
        for num in nums:
            for c in range(q, num-1, -1):  # 从右到左更新
                dp[c] += dp[c - num]  # 因为range中已经确定下 c >= num
        return dp[-1]

题目2：零钱兑换【HOT100】

322. 零钱兑换 - 力扣（LeetCode）

题目类型：完全背包问题（无数个物体），求满足金额的最少硬币数量
0-1背包问题和完全背包问题解法的区别
- 0-1背包：先遍历物体，再遍历总额
  （因为每个物体最多只能选一个，这样确保一个总额不会出现重复的物体）
- 完全背包：先遍历总额，再遍历物体
  （因为每个物体可多选）
本题求最小，所以dp初始为inf，dp用来记需要的硬币总数

代码：

class Solution:
    def coinChange(self, coins: List[int], amount: int) -> int:
        dp = [float('inf')]*(amount+1)
        dp[0] = 0 # 0枚硬币

        for num in range(1, amount+1): # 遍历金额
            for coin in coins: # 遍历硬币（物体）
                if coin <= num:
                    dp[num] = min(dp[num], dp[num-coin]+1)
        return dp[-1] if dp[-1] != float('inf') else -1

往期动态规划学习笔记：

区间DP学习笔记：最长回文子序列，多边形三角剖分的最低得分_最长回文子列表-CSDN博客

状态机DP学习笔记-CSDN博客

树形DP学习笔记（一）：树的路径问题-CSDN博客

树形DP学习笔记（二）：打家劫舍III & 监控二叉树-CSDN博客