本文共 4079 字，大约阅读时间需要 13 分钟。

@Author：Runsen

@Date：2020/9/15

动态规划需要搞定三个系列：三个背包，零钱问题和股票问题。今天就开始干掉三个背包问题。

三个背包问题：01背包，多重背包，完全背包。上次搞定了01背包，那么继续学习完全背包。

我们有$N$种物品，物品$i$的重量为$w[i]$，价格为$p[i]$。我们假定所有物品的重量和价格都是非负的，背包所能承受的最大重量W，每种物品都有无限件可用，则该问题成为完全背包问题 。

题目来源：https://www.acwing.com/problem/content/description/3/

先上代码，和01背包问题的解法有略微的改动，区别在于遍历体积$j$时从逆序改为顺序，就只有这一个不同，在上一篇博客中有关于01背包问题的理解。

# 代码基本一样n, v = map(int, input().split())goods = []for i in range(n):    goods.append([int(i) for i in input().split()])dp = [0 for i in range(v+1)]for i in range(n):    for j in range(v+1): # 从前往后        if j >= goods[i][0]:            dp[j] = max(dp[j], dp[j-goods[i][0]]+goods[i][1])print(dp[-1])# 测试代码5 101 22 33 44 55 620

下面是有关完全背包的题目

Leetcode 279. 完全平方数

给定正整数 n，找到若干个完全平方数（比如 1, 4, 9, 16, ...）使得它们的和等于 n。你需要让组成和的完全平方数的个数最少。示例 1:输入: n = 12输出: 3 解释: 12 = 4 + 4 + 4.示例 2:输入: n = 13输出: 2解释: 13 = 4 + 9

首先，明确dp，然后找dp的转移方程。

这里，dp[i]：表示完全平方数和为i的 最小个数。这个是没有任何问题的，关键是dp的转移方程。

对于Runsen这个菜鸟来说，也很快指的这是转移方程，就是i减去k 加上1。本质上就是斐波那契数列的一个变形。

$$dp[i]=min(dp(i),dp[i-k]+1)，k指的是平方和的数$$

问题就转为了求n的最大平方和的序列。

i = 1nums = []while i*i <= n:	nums.append(i*i)	i = i + 1

然后就是完全背包的反例的问题了。那么这个动态规划的问题基本解决了。

n = int(input())i = 1nums = []while i*i <= n:    nums.append(i*i)    i = i + 1print(nums)# dp = [0] * (n+1) 是求最大值，[float('inf')] * (n+1)求最小值# 如果写成 dp = [0] * (n+1) ，那么永远0最小dp = [float('inf')] * (n+1)dp[0] = 0for i in range(1,n+1):    # j 是平方数    for j in nums:        if i

下面代码来源官方的动态规划，和Runsen的基本一样。

import mathdef numSquares(n):    """    :type n: int    :rtype: int    """    square_nums = [i ** 2 for i in range(0, int(math.sqrt(n)) + 1)]    dp = [float('inf')] * (n + 1)    # bottom case    dp[0] = 0    for i in range(1, n + 1):        for square in square_nums:            if i < square:                break            dp[i] = min(dp[i], dp[i - square] + 1)    return dp[-1]

顺便补充一下：四平方定理： 任何一个正整数都可以表示成不超过四个整数的平方之和。 推论：满足四数平方和定理的数n（四个整数的情况），必定满足$n=4^a(8b+7)$

这个自己是不知道的，大家想深入：https://leetcode-cn.com/problems/perfect-squares/solution/wan-quan-ping-fang-shu-by-leetcode/

下面是四平方定理的代码

def numSquares(self, n):        """        :type n: int        :rtype: int        """        while n % 4 == 0:             n /= 4         if n % 8 == 7:             return 4         a = 0         while a**2 <= n:             b = int((n - a**2)**0.5)             if a**2 + b**2 == n:                 return (not not a) + (not not b)             a += 1         return 3

Leetcode 300 最长上升子序列

给定一个无序的整数数组，找到其中最长上升子序列的长度。

示例:

输入: [10,9,2,5,3,7,101,18]

可能会有多种最长上升子序列的组合，你只需要输出对应的长度即可。

对于Runsen这个菜鸟来说，关键还是怎么找出dp和转移方程，dp[i]是第i个最长上升子序列。那么

$$dp[i]=max(dp[i],dp[k]+1)其中0<k<i-1$$

class Solution:    def lengthOfLIS(self, nums: List[int]) -> int:        # 如果定义dp dp[i] 最长上升子序列 那么 dp[i] = max(dp[i], dp[k] + 1)  0
   
    
      nums[j]:                    dp[i] = max(dp[i], dp[j]+ 1 )         return max(dp)
    
   

Leetcode 322 零钱兑换

给定不同面额的硬币 coins 和一个总金额 amount。编写一个函数来计算可以凑成总金额所需的最少的硬币个数。如果没有任何一种硬币组合能组成总金额，返回 -1。

示例 1:

输入: coins = [1, 2, 5], amount = 11

输入: coins = [2], amount = 3

零钱兑换实际上就是完全背包的题目，也可以看作下楼梯的问题的变种

class Solution:    def coinChange(self, coins: List[int], amount: int) -> int:        # 第一步：定义dp数组或变量，首先明确题目说每种硬币的数量是无限的，但是会给定一个固定的 amount 金额，我们需要用最少的硬币数凑出这个金额，如果是01背包问题就是[0]开始；        # 因此这个是一个完全背包的题目，还是下楼梯的问题的变种。完全背包求最小，那么初始就要时最大        dp = [float('inf')] * (amount + 1)        # 计算的起点 0 块钱当然是 0        dp[0] = 0        # 状态转移方程： f(11) = min(f(10),f(9),f(6)) + 1          for i in range(amount + 1):            for j in coins:                if i-j >=0 :                    dp[i] = min(dp[i],dp[i-j] + 1 )        if dp[amount] > amount:            # 如果dp[amount]  是amount + 1 ，说明了没有匹配的方式            return -1        return dp[-1]

至此完全背包就到这里结束了，完全背包注意dp的定义，求最大还是最小，完全背包的关键词就次数是无限的

转载地址：https://maoli.blog.csdn.net/article/details/108611604 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！