518. 零钱兑换 II 给定不同面额的硬币和一个总金额。写出函数来计算可以凑成总金额的硬币组合数。假设每一种面额的硬币有无限个。

示例 1:

输入: amount = 5, coins = [1, 2, 5]
输出: 4
解释: 有四种方式可以凑成总金额:
5=5
5=2+2+1
5=2+1+1+1
5=1+1+1+1+1

//思路：

这一题是典型的完全背包问题，即：在一组数中选出一些数，和为给定值，每个数字可以取无限个，求不同的组合(不同的取法)数。

对于背包问题，一般用二维dp，这里定义dp[i][j]的含义是，在[0, i-1]下标的数中，选一些数，可以组成和为j的组合数。

那么，对 0 <= i <= coins.size()，dp[i][0] = 1，意为无论有多少个数可以选择（包括没有数可以选的情况），1个数都不选，只有这一种取法能使和为0。

接下来考虑转移方程。dp[i][j]表示现在有[0, i-1]范围的数字可以选，对于下标为 i-1的数，可以选，也可以不选。如果不选，那么取法是dp[i-1][j]。如果选了下标是[i-1]的数，由于是完全背包，仍然可以继续选[i-1]，所以取法是 dp[i][j - coins[i]]，这里要保证 j >= coins[i]。由于这里的i, j是从左到右，从上到下计算的，因此 dp[i][j - coins[j]]的结果已经在 dp[i][j]之前计算出来了。

因此，转移方程即为 $dp[i][j] = \left\{\begin{matrix} 1, j = 0& &\\dp[i-1][j], j < coins[i]]\\dp[i-1][j] + dp[i][j - coins[i]], j \geq coins[i] & \end{matrix}\right.$ 。

class Solution {
public:
    int change(int amount, vector<int>& coins) {
        vector<vector<int>> dp(coins.size() + 1, vector<int>(amount + 1, 0));
        for (int i = 0; i <= coins.size(); ++i)
        {
            dp[i][0] = 1;
        }
        for (int i = 1; i <= coins.size(); ++i)
        {
            for (int j = 1; j <= amount; ++j)
            {
                dp[i][j] = dp[i-1][j];
                if(j >= coins[i-1]) dp[i][j] += dp[i][j - coins[i-1]];
            }
        }
        return dp[coins.size()][amount];
    }
};

由于 dp[i][j]的值只与 dp[i-1][j] 和 dp[i][j - coins[i-1]]有关，因此可以把dp数组优化成一维的，并且 j 从左向右更新。对照转移方程 $dp[i][j] = \left\{\begin{matrix} 1, j = 0& &\\dp[i-1][j], j < coins[i]]\\dp[i-1][j] + dp[i][j - coins[i]], j \geq coins[i] & \end{matrix}\right.$

空间优化成1维dp后，由于dp[i][j]取决于dp[i][j-coins[i]]，所以j的遍历依然是从左向右，依次更新dp[i][j]，而未更新的部分是dp[i-1][j]。。

参考这一篇题解https://leetcode-cn.com/problems/coin-change-2/solution/ling-qian-dui-huan-iihe-pa-lou-ti-wen-ti-dao-di-yo/

class Solution {
public:
    int change(int amount, vector<int>& coins) {
        int n = coins.size();
        vector<int> dp(amount + 1, 0);
        dp[0] = 1;
        for (int i = 0; i < n; ++i)
        {
            for (int j = coins[i]; j <= amount; ++j)
            {
                dp[j] += dp[j-coins[i]];
            }
        }
        return dp[amount];
    }
};

相同的问题还有https://leetcode-cn.com/problems/coin-lcci/ 面试题 08.11. 硬币

2 322. 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
输出: 3
解释: 11 = 5 + 5 + 1
示例 2:

输入: coins = [2], amount = 3
输出: -1

说明:
你可以认为每种硬币的数量是无限的。

和上一题类似，不过这里要求的是最少需要的硬币个数。同样的，定义 dp[i][j]: 使用coins[0...i-1]来组合成j，最少需要的硬币个数。初始化 dp[i][0] = 0, for 0 <= i <= coins.size()，意为组合成0只需要0个硬币。之后，考虑 dp[i][j]，如果不使用 coins[i]，那么最少需要 dp[i-1][j]；如果使用 coins[i]，那么需要 dp[i][j-coins[i]] 个硬币，二者取较小的那个。即递推公式：

$dp[i][j] = \left\{\begin{matrix} 0, j = 0& &\\dp[i-1][j], j < coins[i]]\\min(dp[i-1][j], dp[i][j - coins[i]] + 1), j \geq coins[i] & \end{matrix}\right.$

当然这里需要注意的是可能不能组成需要的值，因此初始化的时候除了j=0的情况，其它值都应该初始化为 INT32_MAX/2，/2是为了避免在j >= coins[i]时因为要计算 +1操作发生溢出。

class Solution {
public:
    int coinChange(vector<int>& coins, int amount) {
        int n = coins.size();
        vector<vector<int>> dp(n+1, vector<int>(amount+1, INT32_MAX/2));
        for (int i = 0; i <= n; ++i)
        {
            dp[i][0] = 0;
        }
        for (int i = 1; i <= n; ++i)
        {
            for (int j = 1; j <= amount; ++j)
            {
                dp[i][j] = dp[i-1][j];
                if(j >= coins[i-1]) dp[i][j] = min(dp[i][j], dp[i][j-coins[i-1]] + 1);
            }
        }
        return dp[n][amount] < INT32_MAX/2 ? dp[n][amount] : -1;
    }
};

同样的，因为求dp[i] 只涉及到 dp[i-1]，可以压缩成一维dp，j的遍历顺序是 coins[i] -> amount

class Solution {
public:
    int coinChange(vector<int>& coins, int amount) {
        int n = coins.size();
        vector<int> dp(amount + 1, INT32_MAX/2);
        dp[0] = 0;
        for (int i = 0; i < n; ++i)
        {
            for (int j = coins[i]; j <= amount; ++j)
            {
                dp[j] = min(dp[j], dp[j-coins[i]] + 1);
            }
        }
        return dp[amount] < INT32_MAX/2 ? dp[amount] : -1;
    }
};

3. 377. 组合总和 Ⅳ

377. 组合总和 Ⅳ 给定一个由正整数组成且不存在重复数字的数组，找出和为给定目标正整数的组合的个数。

示例:

nums = [1, 2, 3]
target = 4

所有可能的组合为：
(1, 1, 1, 1)
(1, 1, 2)
(1, 2, 1)
(1, 3)
(2, 1, 1)
(2, 2)
(3, 1)

请注意，顺序不同的序列被视作不同的组合。

因此输出为 7。

//思路：

这一题看上去与完全背包问题很像，都是选出一些数，和为给定值，并且每个数可以无限选。但是不同之处在于，它要求的是排列数，因此，不能用完全背包去做，因为背包问题的结果是顺序无关的。

定义 dp[j] 是从所有数中选出和为 j的数的排列总数。需要考虑 dp[j] 和 dp[x] (x <= j)的关系。

对于 dp[j]，这个 j 可以由 ? + nums[i]组成，而在最后的结果中，每一个 nums[i] 放在末尾，它能构成的排列总数就是 dp[j - nums[i]]。因此，转移方程就是

$dp[j] = dp[j - nums[0]] + dp[j - nums[1]] + ....dp[j - nums[k]]$ ，

$k\in \{j >= nums[k]\}$

定义dp[0] = 1，语义是，nums[k] == j 时，dp[j - nums[k]] = 1，单独成为一种组合。

如果不好理解的话，可以类比爬楼梯问题：

https://leetcode-cn.com/problems/climbing-stairs/

70. 爬楼梯假设你正在爬楼梯。需要 n 阶你才能到达楼顶。

每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢？

注意：给定 n 是一个正整数。

示例 1：

输入： 2
输出： 2
解释：有两种方法可以爬到楼顶。
1. 1 阶 + 1 阶
2. 2 阶
示例 2：

输入： 3
输出： 3
解释：有三种方法可以爬到楼顶。
1. 1 阶 + 1 阶 + 1 阶
2. 1 阶 + 2 阶
3. 2 阶 + 1 阶

对于这一问题，状态方程 dp[j] = dp[j-1] + dp[j-2]是怎么得到的呢？我们要爬 j 级台阶，可以先爬 j-1的台阶，最后爬1个台阶；也可以先爬 j-2 的台阶，最后爬2个台阶。因此，dp[j] = dp[j-1] + dp[j-2]，可以看到方法是考虑顺序的。

对于这个问题，相当于我们一次能爬nums[0]...nums[k]级台阶，问要爬target级台阶，有多少种方法，当然是分为最后爬 nums[0]级、最后爬 nums[1]级、......最后爬 nums[k]级这些情况，并把它们相加。

class Solution {
public:
    int combinationSum4(vector<int>& nums, int target) {
        vector<int> dp(target + 1, 0);
        dp[0] = 1;
        for (int j = 1; j <= target; ++j)
        {
            for (int i = 0; i < nums.size(); ++i)
            {
                if(j >= nums[i]) dp[j] += dp[j - nums[i]];
            }
        }
        return dp[target];
    }
};

这个问题更详细的说明参考这篇题解：https://leetcode-cn.com/problems/combination-sum-iv/solution/dong-tai-gui-hua-python-dai-ma-by-liweiwei1419/

4. 1449. 数位成本和为目标值的最大数字

给你一个整数数组 cost 和一个整数 target 。请你返回满足如下规则可以得到的最大整数：

给当前结果添加一个数位（i + 1）的成本为 cost[i] （cost 数组下标从 0 开始）。
总成本必须恰好等于 target 。
添加的数位中没有数字 0 。
由于答案可能会很大，请你以字符串形式返回。

如果按照上述要求无法得到任何整数，请你返回 "0" 。

示例 1：

输入：cost = [4,3,2,5,6,7,2,5,5], target = 9
输出："7772"
解释：添加数位 '7' 的成本为 2 ，添加数位 '2' 的成本为 3 。所以 "7772" 的代价为 2*3+ 3*1 = 9 。 "997" 也是满足要求的数字，但 "7772" 是较大的数字。
数字成本
1 -> 4
2 -> 3
3 -> 2
4 -> 5
5 -> 6
6 -> 7
7 -> 2
8 -> 5
9 -> 5
示例 2：

输入：cost = [7,6,5,5,5,6,8,7,8], target = 12
输出："85"
解释：添加数位 '8' 的成本是 7 ，添加数位 '5' 的成本是 5 。"85" 的成本为 7 + 5 = 12 。
示例 3：

输入：cost = [2,4,6,2,4,6,4,4,4], target = 5
输出："0"
解释：总成本是 target 的条件下，无法生成任何整数。
示例 4：

输入：cost = [6,10,15,40,40,40,40,40,40], target = 47
输出："32211"

提示：

cost.length == 9
1 <= cost[i] <= 5000
1 <= target <= 5000

本质是完全背包问题，即无限制地选一些数，它们的总和满足一定条件。但是与普通完全背包问题有两个不一样的地方：

(1) 要求选出的数的cost总和刚好等于target，而不是 <= target。

(2) 要求恢复选择的结果。

因为要使得组成的数字最大，显然长度要最长，所以dp数组应该记录最大长度的信息。定义 dp[i][j]: 从数字[1...i]里选，能够组成j的最大长度。

状态转移方程：

$dp[i][j] = \left\{\begin{matrix} 0, i= 0, j = 0& &\\dp[i-1][j], j < cost[i-1]\\max(dp[i-1][j],dp[i][j-cost[i-1]]+1), j \geq cost[i-1] & \end{matrix}\right.$

对于第一点不同，就要在dp数组初始化的时候小心，初始化dp[0][0] = 0, 其它dp[i][j] 都初始化为接近INT32_MIN的数，这样才能使得在不能刚好组成j的时候，dp[i][j] 依然是个负数，也就是无效结果。

对于第二点不同，在长度最长的时候，应当从最大的数字开始循环找可行的解，也就是从最大的数字 ei = 9 和最后的总和 ej = target 开始，循环判断 dp[ei][ej] == dp[ei][ej - cost[ei-1]] + 1，如果是，那么说明ei被选择，否则,ei--。

class Solution {
public:
    string largestNumber(vector<int>& cost, int target) {
        int dp[10][5001];
        //dp[i][j]: 从[1...i]里选，能组成代价和为j的最大长度
        memset(dp, 0x80, sizeof(dp));
        for(int i = 0; i <= 9; i++) dp[i][0] = 0;
        for(int i = 1; i <= 9; i++)
        {
            for(int j = 1; j <= target; j++)
            {
                dp[i][j] = dp[i-1][j];
                if(j >= cost[i-1]) dp[i][j] = max(dp[i][j], dp[i][j-cost[i-1]] + 1);
            }
        }
        if(dp[9][target] <= 0) return "0";
        int ei = 9, ej = target;
        string ans;
        while(dp[ei][ej] > 0)
        {
            if(ej >= cost[ei-1] && dp[ei][ej] == dp[ei][ej-cost[ei-1]] + 1)
            {
                ans += ('0' + ei);
                ej -= cost[ei-1];
            }
            else ei--;
        }
        return ans;
    }
};

优化到一维同样可以恢复选择的信息，只需要每一次循环中从最大的数开始寻找可行解。

class Solution {
public:
    string largestNumber(vector<int>& cost, int target) {
        const int MAXT = 5000;
        int dp[MAXT+1];
        memset(dp, 0x80, sizeof(dp));
        dp[0] = 0;
        for(int i = 1; i <= 9; i++)
        {
            for(int j = cost[i-1]; j <= target; j++)
            {
                dp[j] = max(dp[j], dp[j-cost[i-1]] + 1);
            }
        }
        if(dp[target] <= 0) return "0";
        string ans;
        int ej = target;
        while(ej > 0)
        {
            for(int i = 9; i >= 1; i--)
            {
                if(ej >= cost[i-1] && dp[ej] == dp[ej-cost[i-1]] + 1)
                {
                    ans += ('0' + i);
                    ej -= cost[i-1];
                    break;
                }
            }
        }
        return ans;
    }
};

01背包问题

1. 494. 目标和

给定一个非负整数数组，a1, a2, ..., an, 和一个目标数，S。现在你有两个符号 + 和 -。对于数组中的任意一个整数，你都可以从 + 或 -中选择一个符号添加在前面。

返回可以使最终数组和为目标数 S 的所有添加符号的方法数。

示例 1:

输入: nums: [1, 1, 1, 1, 1], S: 3
输出: 5
解释:

-1+1+1+1+1 = 3
+1-1+1+1+1 = 3
+1+1-1+1+1 = 3
+1+1+1-1+1 = 3
+1+1+1+1-1 = 3

一共有5种方法让最终目标和为3。

//思路

解决本题的重要突破点在于想到将+ - 两部分分开考虑，即选择一部分数取它们的和a，剩下的数取它们的相反数的和b，那么有

a+b = S, a-b = sum(nums)。从而，可以得到 a = (S + sum(nums)) / 2，问题也就转化成01背包问题：选择一些数，它们的和是a，每个数只能选一次，问有多少种取法。

注意这里 nums[i] 是非负整数，所以注意 dp[i][j] 的 j 遍历时从0开始， dp[0][0] 初始化为1，dp[i][0](i >= 1)不能确定，因为可能有一些 nums[i-1]本身就是0。

class Solution {
public:
    int findTargetSumWays(vector<int>& nums, int S) {
        long long sum = 0;
        for(int i : nums) sum += i;
        if(sum < S || (sum + S) % 2 == 1) return 0;
        sum = (sum + S) / 2;
        vector<vector<int>> dp(nums.size() + 1, vector<int>(sum + 1, 0));
        dp[0][0] = 1;
        for (int i = 1; i <= nums.size(); ++i)
        {
            for (int j = 0; j <= sum; ++j)
            {
                dp[i][j] = dp[i-1][j];
                if(j >= nums[i-1]) dp[i][j] += dp[i-1][j-nums[i-1]];
            }
        }
        return dp.back()[sum];
    }
};

很容易看到，代码几乎与完全背包的(A)一模一样，分为两种情况，不取nums[i-1]，和取nums[i-1]。但是由于是0-1背包，每个数只能取一次，所以选了第i-1个数之后，只能在[0, i-2]中找凑出 j - nums[i-1]的方案数目，所以取法是dp[i-1][j-nums[i]]。转移方程如下：

$dp[i][j] = \left\{\begin{matrix} 1, i = 0, j = 0& \\dp[i-1][j], j <nums[i] \\dp[i-1][j] + dp[i-1][j - nums[i]], j \geq nums[i] & \end{matrix}\right.$

01背包的空间优化：一维dp注意与完全背包的一维dp的不同之处，j 的遍历方向不同。这是因为01背包的dp[i][j]取决于上一行的dp[i-1][j-nums[i-1]]，所以j要从右向左进行更新，更新的部分是dp[i][j]，未更新的部分是dp[i-1][j]，从右向左避免覆盖。而完全背包的dp[i][j]取决于dp[i][j-nums[i-1]]，所以j要从左向右更新。

class Solution {
public:
    int findTargetSumWays(vector<int>& nums, int S) {
        long long sum = 0;
        for(int i : nums) sum += i;
        if(sum < S || (sum + S) % 2 == 1) return 0;
        sum = (sum + S) / 2;
        vector<int> dp(sum + 1, 0);
        dp[0] = 1;
        for(int i : nums)
        {
            for (int j = sum; j >= i; --j)
            {
                dp[j] += dp[j - i];
            }
        }
        return dp[sum];
    }
};

2. 879. 盈利计划

帮派里有 G 名成员，他们可能犯下各种各样的罪行。

第 i 种犯罪会产生 profit[i] 的利润，它要求 group[i] 名成员共同参与。

让我们把这些犯罪的任何子集称为盈利计划，该计划至少产生 P 的利润。

有多少种方案可以选择？因为答案很大，所以返回它模 10^9 + 7 的值。

示例 1：

输入：G = 5, P = 3, group = [2,2], profit = [2,3]
输出：2
解释：
至少产生 3 的利润，该帮派可以犯下罪 0 和罪 1 ，或仅犯下罪 1 。
总的来说，有两种方案。
示例 2:

输入：G = 10, P = 5, group = [2,3,5], profit = [6,7,8]
输出：7
解释：
至少产生 5 的利润，只要他们犯其中一种罪就行，所以该帮派可以犯下任何罪行。
有 7 种可能的计划：(0)，(1)，(2)，(0,1)，(0,2)，(1,2)，以及 (0,1,2) 。

提示：

1 <= G <= 100
0 <= P <= 100
1 <= group[i] <= 100
0 <= profit[i] <= 100
1 <= group.length = profit.length <= 100

也是01背包计数问题，要注意的是这里要求的是利润大于K的数量，所以在二维背包问题上又增加了一维。但是，因为所有可组合的利润最大能达到100*100，如果定义dp数组是方案*容量*利润的话，规模太大。因为题目只要求利润大于等于P的，而P的数量级是100，所以应该定义dp数组方案*容量*P，把所有利润大于等于P的组合都算到P里。

定义 dp[i][j][k]: 在[0...i-1]中选，背包容量是j，利润是k的组合数，注意所有大于k的组合也划到等于k里。

初始化要注意所有的k=0都有1种方案，就是都不选。

转移方程：

$dp[i][j][k] = \left\{\begin{matrix} 1, k = 0& \\dp[i-1][j][k], j <group[i-1] \\dp[i-1][j][k] + dp[i-1][j - group[i-1]][max(0, k-profit[i-1])], j \geq group[i-1] & \end{matrix}\right.$

class Solution {
public:
    int profitableSchemes(int G, int P, vector<int>& group, vector<int>& profit) {
        int base = 1e9 + 7;
        int n = group.size();
        long long dp[101][101][101] = {0};
        //dp[i][j][k]: 从 [0...i-1]里选，有j个人，利润是k的方案数
        for(int i = 0; i <= n; i++)
        {
            for(int j = 0; j <= G; j++)
            {
                dp[i][j][0] = 1;
            }
        }
        for(int i = 1; i <= n; i++)
        {
            for(int j = 1; j <= G; j++)
            {
                for(int k = 0; k <= P; k++)
                {
                    dp[i][j][k] = dp[i-1][j][k];
                    if(j >= group[i-1])
                    {
                        dp[i][j][k] += dp[i-1][j-group[i]][max(0, k-profit[i-1])];
                        dp[i][j][k] %= base;
                    }
                }
            }
        }
        return dp[n][G][P];
    }
};

3. 416. 分割等和子集

给定一个只包含正整数的非空数组。是否可以将这个数组分割成两个子集，使得两个子集的元素和相等。

注意:

每个数组中的元素不会超过 100
数组的大小不会超过 200
示例 1:

输入: [1, 5, 11, 5]

输出: true

解释: 数组可以分割成 [1, 5, 5] 和 [11].

示例 2:

输入: [1, 2, 3, 5]

输出: false

解释: 数组不能分割成两个元素和相等的子集.

两种做法。

(1) 定义 dp[i][j]: 使用 nums[0...i-1]，能否组成j 。那么转移方程是：

$dp[i][j] = \left\{\begin{matrix} true, i = 0, j = 0& \\dp[i-1][j], j <nums[i] \\dp[i-1][j] \: || \: dp[i-1][j - nums[i]], j \geq nums[i] & \end{matrix}\right.$

class Solution {
public:
    bool canPartition(vector<int>& nums) {
        int sum = accumulate(nums.begin(), nums.end(), 0);
        if(sum & 1) return false;
        sum /= 2;
        int n = nums.size();
        vector<vector<bool>> dp(n+1, vector<bool>(sum+1, false));
        //dp[i][j]: 使用nums[0...i-1]中的数，能否组成j
        dp[0][0] = true;
        for (int i = 1; i <= n; ++i)
        {
            for (int j = 0; j <= sum; ++j)
            {
                dp[i][j] = dp[i-1][j];
                if(j >= nums[i-1]) dp[i][j] = dp[i][j] || dp[i-1][j - nums[i-1]];
            }
        }
        return dp[n][sum];
    }
};

优化成一维：

class Solution {
public:
    bool canPartition(vector<int>& nums) {
        int sum = accumulate(nums.begin(), nums.end(), 0);
        if(sum & 1) return false;
        sum /= 2;
        vector<bool> dp(sum+1, false);
        dp[0] = true;
        for(int i : nums)
        {
            for(int j = sum; j >= i; j--)
            {
                dp[j] = dp[j] || dp[j - i];
            }
        }
        return dp[sum];
    }
};

(2) 定义dp[i][j]：使用 nums[0...i-1]，能够组成的最大不超过 j 的数，最后只需要判断 dp[n][sum/2] == sum/2 即可。

转移方程是：

$dp[i][j] = \left\{\begin{matrix} 0, i = 0, j = 0& \\dp[i-1][j], j <nums[i] \\max(dp[i][j], dp[i-1][j - nums[i]] + nums[i]), j \geq nums[i] & \end{matrix}\right.$

class Solution {
public:
    bool canPartition(vector<int>& nums) {
        int sum = accumulate(nums.begin(), nums.end(), 0);
        if(sum & 1) return false;
        sum /= 2;
        int n = nums.size();
        vector<vector<int>> dp(n+1, vector<int>(sum+1, 0));
        //dp[i][j]: 使用nums[0...i-1]中的数，能组成最大不超过 sum 的数
        for (int i = 1; i <= n; ++i)
        {
            for (int j = 1; j <= sum; ++j)
            {
                dp[i][j] = dp[i-1][j];
                if(j >= nums[i-1]) dp[i][j] = max(dp[i][j], dp[i-1][j-nums[i-1]] + nums[i-1]);
            }
        }
        return dp[n][sum] == sum;
    }
};

优化成一维：

class Solution {
public:
    bool canPartition(vector<int>& nums) {
        int sum = accumulate(nums.begin(), nums.end(), 0);
        if(sum & 1) return false;
        sum /= 2;
        vector<int> dp(sum+1, 0);
        for(int i : nums)
        {
            for(int j = sum; j >= i; j--)
            {
                dp[j] = max(dp[j], dp[j-i] + i);
            }
        }
        return dp[sum] == sum;
    }
};

4.1049. 最后一块石头的重量 II

有一堆石头，每块石头的重量都是正整数。

每一回合，从中选出任意两块石头，然后将它们一起粉碎。假设石头的重量分别为 x 和 y，且 x <= y。那么粉碎的可能结果如下：

如果 x == y，那么两块石头都会被完全粉碎；
如果 x != y，那么重量为 x 的石头将会完全粉碎，而重量为 y 的石头新重量为 y-x。
最后，最多只会剩下一块石头。返回此石头最小的可能重量。如果没有石头剩下，就返回 0。

示例：

输入：[2,7,4,1,8,1]
输出：1
解释：
组合 2 和 4，得到 2，所以数组转化为 [2,7,1,8,1]，
组合 7 和 8，得到 1，所以数组转化为 [2,1,1,1]，
组合 2 和 1，得到 1，所以数组转化为 [1,1,1]，
组合 1 和 1，得到 0，所以数组转化为 [1]，这就是最优值。

提示：

1 <= stones.length <= 30
1 <= stones[i] <= 1000

本质是说，分成两组，并且使两组的差尽量小。那么两组的和都应该越接近sum/2越好。也就转化成，选一些数，它们的和不超过sum/2，能得到的最大和，是01背包问题。

class Solution {
public:
    int lastStoneWeightII(vector<int>& stones) {
        int n = stones.size(), sum = accumulate(stones.begin(), stones.end(), 0);
        vector<int> dp(sum/2+1, 0);
        for (int i = 0; i < n; ++i)
        {
            for (int j = sum/2; j >= stones[i]; --j)
            {
                dp[j] = max(dp[j], dp[j-stones[i]] + stones[i]);
            }
        }
        return abs(dp[sum/2] * 2 - sum);
    }
};

5. 474. 一和零

在计算机界中，我们总是追求用有限的资源获取最大的收益。

现在，假设你分别支配着 m 个 0 和 n 个 1。另外，还有一个仅包含 0 和 1 字符串的数组。

你的任务是使用给定的 m 个 0 和 n 个 1 ，找到能拼出存在于数组中的字符串的最大数量。每个 0 和 1 至多被使用一次。

注意:

给定 0 和 1 的数量都不会超过 100。
给定字符串数组的长度不会超过 600。
示例 1:

输入: Array = {"10", "0001", "111001", "1", "0"}, m = 5, n = 3
输出: 4

解释: 总共 4 个字符串可以通过 5 个 0 和 3 个 1 拼出，即 "10","0001","1","0" 。
示例 2:

输入: Array = {"10", "0", "1"}, m = 1, n = 1
输出: 2

解释: 你可以拼出 "10"，但之后就没有剩余数字了。更好的选择是拼出 "0" 和 "1" 。

相当于两个维度上的01背包问题，所以不进行空间优化的话dp数组应该是三维的。

(1) 定义 dp[i][j][k] : 考察strs[0...i-1]，使用 j 个0 和 k 个 1 能组成的最大字符串数。转移方程：

$dp[i][j][k] = \left\{\begin{matrix} i = 0, j = 0, k = 0& \\dp[i-1][j][k], j <zerocnt[i] \: ||\: k<onecnt[i]\\max(dp[i][j][k], dp[i-1][j - zerocnt[i]][k-onecnt[i]] + 1), j \geq zerocnt[i] \: \&\&\: k \geq onecnt[i]& \end{matrix}\right.$

class Solution {
public:
    int findMaxForm(vector<string>& strs, int m, int n) {
        int size = strs.size();
        int dp[size+1][m+1][n+1];
        memset(dp, 0, sizeof(dp));
        for (int i = 1; i <= size; ++i)
        {
            int zerocnt = 0, onecnt = 0;
            for(char c : strs[i-1])
            {
                if(c == '0') zerocnt++;
                else onecnt++;
            }
            for (int j = 0; j <= m; ++j)
            {
                for (int k = 0; k <= n; ++k)
                {
                    dp[i][j][k] = dp[i-1][j][k];
                    if(j >= zerocnt && k >= onecnt) dp[i][j][k] = max(dp[i][j][k], dp[i-1][j-zerocnt][k-onecnt] + 1);
                }
            }
        }
        return dp[size][m][n];
    }
};

（2）同样的，dp[i][j][k]只和i-1有关，优化一维:

class Solution {
public:
    int findMaxForm(vector<string>& strs, int m, int n) {
        int dp[101][101];
        memset(dp, 0, sizeof(dp));
        for(const auto& i : strs)
        {
            int onecnt = 0, zerocnt = 0;
            for(char c : i) 
            {
                if(c == '0') zerocnt++;
                else onecnt++;
            }
            for (int j = m; j >= zerocnt; --j)
            {
                for (int k = n; k >= onecnt; --k)
                {
                    dp[j][k] = max(dp[j][k], dp[j-zerocnt][k-onecnt] + 1);
                }
            }
        }
        return dp[m][n];
    }
};

二维费用背包问题还有：https://www.luogu.com.cn/problem/P1855#submit P1855 榨取kkksc03

多重背包

1. 宝物筛选

小 F 有一个最大载重为 W的采集车，洞穴里总共有 n 种宝物，每种宝物的价值为 vi，重量为wi，每种宝物有 mi 件。小 F 希望在采集车不超载的前提下，选择一些宝物装进采集车，使得它们的价值和最大。

输入格式

第一行为一个整数 n 和 W，分别表示宝物种数和采集车的最大载重。

接下来 n 行每行三个整数 vi,wi,mi。

输出格式

输出仅一个整数，表示在采集车不超载的情况下收集的宝物的最大价值。

数据规模：n <= 100, W <= 1e4, $\sum m_i \leq 1e5$ 。

背包容量W，每个物品价值v, 重量w, 个数k，需要找到使得背包价值最大的物品组合。

最简单的做法是，把k个物品展开，本质上还是01背包问题。当然不需要真的展开，k个物品可以选1个，选2个...选k个，直接在循环里处理。

转移方程：dp[i][j]表示从[0...i-1]物品里选，重量不超过j的最大价值

$dp[i][j] = \max_{k=0}^{k_i}(dp[i-1][j], k*v[i] + dp[i-1][j-k*w[i]]), j \geq k*w[i]$

#include <bits/stdc++.h>
using namespace std;

const int MAXW = 4e4 + 10;
const int MAXN = 110;

struct Node
{
    int v;
    int w;
    int k;
};

int main()
{
    int n, w;
    scanf("%d%d", &n, &w);
    Node all[MAXN];
    for(int i = 0; i < n; i++)
    {
        scanf("%d%d%d", &all[i].v, &all[i].w, &all[i].k);
    }
    int dp[MAXN][MAXW] = {0};
    for(int i = 1; i <= n; i++)
    {
        for(int j = 0; j <= w; j++)
        {
            dp[i][j] = dp[i-1][j];
            for(int k = 1; k <= all[i-1].k; k++)
            {
                int totalw = k * all[i-1].w;
                if(j < totalw) break;
                dp[i][j] = max(dp[i][j], dp[i-1][j-totalw] + k * all[i-1].v);
            }
        }
    }
    printf("%d\n", dp[n][w]);
    return 0;
}

优化到一维：

$dp[j] = \max_{k=0}^{k_i}(dp[j], k*v[i] + dp[j-k*w[i]]), j \geq k*w[i]$

#include <bits/stdc++.h>
using namespace std;

const int MAXW = 4e4 + 10;
const int MAXN = 110;

struct Node
{
    int v;
    int w;
    int k;
};

int main()
{
    int n, w;
    scanf("%d%d", &n, &w);
    Node all[MAXN];
    for(int i = 0; i < n; i++)
    {
        scanf("%d%d%d", &all[i].v, &all[i].w, &all[i].k);
    }
    int dp[MAXW] = {0};
    for(int i = 0; i < n; i++)
    {
        for(int j = w; j >= all[i].w; j--)
        {
            for(int k = 1; k <= all[i].k; k++)
            {
                int totalw = k * all[i].w;
                if(j < totalw) break;
                dp[j] = max(dp[j], dp[j-k*all[i].w] + k*all[i].v);
            }
        }
    }
    printf("%d\n", dp[w]);
    return 0;
}

转化为01背包的时间复杂度是 $O(W*\sum k_i)$ ，因为本质上还是对所有物品考虑选或者不选。

在 $\sum k_i$ 比较大的时候，会超时。因为做了大量重复计算，例如，考虑了选择第1个物品的第1、2件，和考虑选择第1个物品的第2、3件，这两种选法是等效的，但是因为转换成01背包的时候把它们看成了不同的物品，也就是第i个物品贡献了ki个分组，每个分组都是1，导致了重复计算。

所以，需要减少可供选择的物品种类，才能降低复杂度。

假设第i件物品有ki个，那么它贡献的分组应该能组成<=ki的任意数，但是分组数要尽量少。这就是二进制优化的原理。例如ki = 6，它应该只贡献 1 2 3 三个分组，同时这三个分组一定可以组合出任意 <= 6 的可能。更一般的，第i个物品应该只贡献 $2^j, 0 <= j <= log_2(k_i+1)-1$ 这些分组，如果ki+1不是2的幂，那么最后还剩下不能表示成2的幂的分组，要单独作为一组，保证由这些分组一定能组成 <= ki的任意数。

那么二进制分组的代码如下，在设定分组的数组大小时要注意分成的组数可能会比n大，但是一定不会超过 $\sum k_i$ 。

    //all:存放二进制分组的结果,最多是每个物品一组，一共有SUMK个物品，会分成SUMK组
    Node all[MAXSUMK];
    //count:最后一共分了多少组
    int count = 0;
    for(int i = 0; i < n; i++)
    {
        int vi, wi, ki;
        scanf("%d%d%d", &vi, &wi, &ki);
        //二进制分组
        int c = 1;
        while(ki >= c)
        {
            all[count++] = {vi*c, wi*c};
            ki -= c;
            c *= 2;
        }
        if(ki > 0) all[count++] = {vi*ki, wi*ki};
    }

得到了所有的二进制分组之后，就可以像01背包一样对每个分组选或不选了。

#include <bits/stdc++.h>
using namespace std;

const int MAXW = 4e4 + 10;
const int MAXSUMK = 1e5 + 10;

struct Node
{
    int v;
    int w;
};

int main()
{
    int n, w;
    scanf("%d%d", &n, &w);
    //all:存放二进制分组的结果,最多是每个物品一组，一共有MAXSUMK个物品，会分成MAXSUMK组
    Node all[MAXSUMK];
    //count:最后一共分了多少组
    int count = 0;
    for(int i = 0; i < n; i++)
    {
        int vi, wi, ki;
        scanf("%d%d%d", &vi, &wi, &ki);
        //二进制分组
        int c = 1;
        while(ki >= c)
        {
            all[count++] = {vi*c, wi*c};
            ki -= c;
            c *= 2;
        }
        if(ki > 0) all[count++] = {vi*ki, wi*ki};
    }
    int dp[MAXW] = {0};
    for(int i = 0; i < count; i++)
    {
        for(int j = w; j >= all[i].w; j--)
        {
            dp[j] = max(dp[j], dp[j-all[i].w] + all[i].v);
        }
    }
    printf("%d\n", dp[w]);
    return 0;
}

复杂度降低到了 $O(W*log_2\sum k_i)$ 。

2. POJ 1014 Dividing

POJ 1014也是一道多重背包问题：大意如下：

有6种物品，第i种物品(i >= 1)的重量是i，有ki个，问能否把这些物品划分为重量相等的两堆。

和01背包中划分等和子集问题很像，不过这里需要用二进制分组来转化成01背包问题。

#include <string>
#include <iostream>
#include <vector>
#include <cstdio>
using namespace std;

const int MAXSUMK = 20000;

int main()
{
    string str;
    int index = 1;
    while(getline(cin, str))
    {
        int nums[7];
        sscanf(str.c_str(), "%d%d%d%d%d%d", &nums[1], &nums[2], &nums[3], &nums[4], &nums[5], &nums[6]);
        int sum = nums[1] + nums[2] * 2 + nums[3] * 3 + nums[4] * 4 + nums[5] * 5 + nums[6] * 6;
        if(sum == 0) break;
        printf("Collection #%d:\n", index++);
        if(sum & 1)
        {
            printf("Can't be divided.\n\n");
            continue;
        }
        sum /= 2;
        vector<bool> dp(sum+1, false);
        dp[0] = true;
        //二进制分组
        int all[MAXSUMK];
        int count = 0;
        for(int i = 1; i <= 6; i++)
        {
            int c = 1;
            while(nums[i] >= c)
            {
                nums[i] -= c;
                all[count++] = c * i;
                c *= 2;
            }
            if(nums[i] > 0) all[count++] = nums[i] * i;
        }
        for(int i = 0; i < count; i++)
        {
            for(int j = sum; j >= all[i]; j--)
            {
                dp[j] = dp[j] || dp[j-all[i]];
            }
        }
        if(dp[sum]) printf("Can be divided.\n\n");
        else printf("Can't be divided.\n\n");
    }
    return 0;
}

3. 1363. 形成三的最大倍数

给你一个整数数组 digits，你可以通过按任意顺序连接其中某些数字来形成 3 的倍数，请你返回所能得到的最大的 3 的倍数。

由于答案可能不在整数数据类型范围内，请以字符串形式返回答案。

如果无法得到答案，请返回一个空字符串。

示例 1：

输入：digits = [8,1,9]
输出："981"
示例 2：

输入：digits = [8,6,7,1,0]
输出："8760"
示例 3：

输入：digits = [1]
输出：""
示例 4：

输入：digits = [0,0,0,0,0,0]
输出："0"

提示：

1 <= digits.length <= 10^4
0 <= digits[i] <= 9
返回的结果不应包含不必要的前导零。

可以用多重背包的思路去做，也就是找一些分组，它们的和能被3整除(且大于0)，并且长度最大。最后从dp数组里恢复选择的分组信息。时间复杂度比较高，因为最大和(背包容量)可以达到90000。看评论可以用贪心去做，待补。

class Solution {
public:
    string largestMultipleOfThree(vector<int>& digits) {
        int h[10] = {0};
        int maxsum = 0;
        for(int i : digits)
        {
            h[i]++;
            maxsum += i;
        }
        //数位最多的，并且和是3的倍数的分组
        vector<pair<int,int>> all;
        //{和，个数}
        for(int i = 0; i <= 9; i++)
        {
            int k = h[i], c = 1;
            while(k >= c)
            {
                k -= c;
                all.push_back({c*i, c});
                c *= 2;
            }
            if(k > 0) all.push_back({k*i, k});
        }
        int n = all.size();
        vector<vector<int>> dp(n+1, vector<int>(maxsum + 1, INT32_MIN / 2));
        dp[0][0] = 0;
        //dp[i][j]: 从all[0...i-1]里选，能组成j的分组的最大长度
        for(int i = 1; i <= n; i++)
        {
            for(int j = 0; j <= maxsum; j++)
            {
                dp[i][j] = dp[i-1][j];
                if(j >= all[i-1].first) dp[i][j] = max(dp[i][j], dp[i-1][j-all[i-1].first] + all[i-1].second);
            }
        }
        int ei = n, ej = -1, maxlen = 0;
        for(int j = 1; j <= maxsum; j++)
        {
            if(j % 3 == 0)
            {
                if(dp[n][j] >= maxlen)
                {
                    maxlen = dp[n][j];
                    ej = j;
                }
            }
        }
        if(ej < 0)
        {
            if(dp[n][0] > 0) return "0";
            else return "";
        }
        vector<pair<int,int>> ans;
        //{数，个数}
        while(ei > 0 && ej >= 0)
        {
            if(dp[ei][ej] == dp[ei-1][ej]) ei--;
            else
            {
                ans.push_back({all[ei-1].first / all[ei-1].second, all[ei-1].second});
                ej -= all[ei-1].first;
                ei--;
            }
        }
        sort(ans.rbegin(), ans.rend());
        string res;
        for(const auto& p : ans) res += string(p.second, static_cast<char>(p.first + '0'));
        return res;
    }
};

混合背包

1.P1833 樱花

题目大意：

背包容量W，有n种物品，有一些物品有无限个，有一些物品只有一个，还有一些物品有大于一个的有限个，求背包容纳的最大价值。

混合背包问题只需要分情况，无限个的物品，套用完全背包模板，有限个的物品，如果大于1个就用二进制优化，转化成01背包。都可以用一维dp去解决。

#include <bits/stdc++.h>
using namespace std;

const int MAXW = 1001;
const int MAXN = 10001;
const int MAXSUMK = 1e6 + 5;

struct Node
{
    int w;
    int v;
    int k;
};

int main()
{
    int h1, m1, h2, m2, n;
    scanf("%d:%d %d:%d %d\n", &h1, &m1, &h2, &m2, &n);
    int w = h2 * 60 + m2 - h1 * 60 - m1;
    Node all[MAXSUMK];
    int count = 0;
    for(int i = 0; i < n; i++)
    {
        int wi, vi, ki;
        scanf("%d%d%d", &wi, &vi, &ki);
        //01背包或者完全背包
        if(ki == 0 || ki == 1) all[count++] = {wi, vi, ki};
        else
        {
            //多重背包，二进制优化
            int c = 1;
            while(ki >= c)
            {
                ki -= c;
                all[count++] = {wi*c, vi*c, 1};
                c *= 2;
            }
            if(ki > 0) all[count++] = {wi*ki, vi*ki, 1};
        }
    }
    int dp[MAXW] = {0};
    for(int i = 0; i < count; i++)
    {
        if(all[i].k == 0)
        {
            //完全背包模板
            for(int j = all[i].w; j <= w; j++) 
            {
                dp[j] = max(dp[j], dp[j-all[i].w] + all[i].v);
            }
        }
        else
        {
            //01背包模板
            for(int j = w; j >= all[i].w; j--)
            {
               dp[j] = max(dp[j], dp[j-all[i].w] + all[i].v);
            }
        }
    }
    printf("%d\n", dp[w]);
    return 0;
}

分组背包

1. P1757 通天之分组背包

题目大意：

背包容量W，有n件物品，每件物品重量wi, 价值vi，属于第 gi 组，同一组的物品只能取一件。求背包能容纳的最大价值。

分组背包问题，要求每一组的物品只能选1件，就要把每一组看成01背包中的一件物品，然后再在组内选择一件使得总价值最大。首先要想到合适的数据结构来存储物品，因为有分组的存在，所以属于第 gi 组的物品应该存放在 all[gi][cnti] 里，之后，把每一组看成一件物品，再在组内选择一件。核心代码：

    for(int i = 1; i <= maxg; i++) // 循环每一组
    {
        for(int j = w; j >= 0; j--) // 循环背包容量
        {
            for(int k = 0; k < count[i]; k++) // 循环该组的每一个物品
            {
                if(j >= all[i][k].w)
                {
                    dp[j] = max(dp[j], dp[j-all[i][k].w] + all[i][k].v);
                }
            }
        }
    }

要注意循环顺序，因为这里是每一组看成一件物品，所以和01背包一样，外层循环是每一组，内层循环是从总容量w逆序遍历，但是因为这里每一组里的重量并不相同，所以遍历到0，再对同一组里的每一个元素进行 dp[j] = max(dp[j], dp[ j - w[i][k] ] + v[i][k]）的计算。

#include <bits/stdc++.h>
using namespace std;

const int MAXG = 1010;
const int MAXN = 1010;
const int MAXW = 1010;

struct Node
{
    int w;
    int v;
};

int main()
{
    int w, n;
    scanf("%d%d", &w, &n);
    Node all[MAXG][MAXN] = {0};
    int count[MAXG] = {0};
    int maxg = 0;
    for(int i = 0; i < n; i++)
    {
        int wi, vi, gi;
        scanf("%d%d%d", &wi, &vi, &gi);
        all[gi][count[gi]++] = {wi, vi};
        maxg = max(maxg, gi);
    }
    int dp[MAXW] = {0};
    for(int i = 1; i <= maxg; i++)
    {
        for(int j = w; j >= 0; j--)
        {
            for(int k = 0; k < count[i]; k++)
            {
                if(j >= all[i][k].w)
                {
                    dp[j] = max(dp[j], dp[j-all[i][k].w] + all[i][k].v);
                }
            }
        }
    }
    printf("%d\n", dp[w]);
    return 0;
}

有依赖的背包

1.P1064 金明的预算方案

题目大意：

背包容量W，有m件物品，重量wi, 价值vi, 分为主件和附件，一个主件最多有2个附件。如果选择了附件那么必须也要选择主件。求背包能容纳的最大价值。

因为选附件时必须要选主件，假设主件为A，附件为B C，那么相当于 A AB AC ABC 这四种里只能选择一种，可以转换为分组背包问题。

题目的数据处理比较繁琐，首先要找到属于同一组的，再对每一组的物品进行组合得到所有可供选择的物品。同时注意题目里的价值是 pi * wi。

#include <bits/stdc++.h>
using namespace std;

const int MAXN = 3201;
const int MAXG = 65;

struct Node
{
    int w;
    int v;
    int q;
};

int main()
{
    int w, m;
    scanf("%d%d", &w, &m);
    //价格都是10的倍数，可以减小时间复杂度。
    w /= 10;
    Node groups[MAXG][3];
    int indexs[MAXG] = {0};
    //先找到每一组里包含哪些元素
    for(int i = 1; i <= m; i++)
    {
        int wi, vi, qi;
        scanf("%d%d%d", &wi, &vi, &qi);
        wi /= 10;
        if(qi == 0) groups[i][indexs[i]++] = {wi, vi * wi, 0};
        else groups[qi][indexs[qi]++] = {wi, vi * wi, qi};
    }
    //一个商品最多有2个附件，也就是一组内最多有A AB AC ABC 四种选择
    Node all[MAXG][4];
    int count[MAXG] = {0};
    for(int i = 1; i <= m; i++)
    {
        if(indexs[i] > 0)
        {
            int master = -1, slave1 = -1, slave2 = -1;
            for (int j = 0; j < indexs[i]; ++j)
            {
                if(groups[i][j].q == 0) master = j;
                else if(slave1 == -1) slave1 = j;
                else slave2 = j;
            }
            all[i][count[i]++] = {groups[i][master].w, groups[i][master].v , 0};
            if(slave1 > -1)
            {
                int totalw = groups[i][master].w + groups[i][slave1].w;
                int totalv = groups[i][master].v + groups[i][slave1].v ;
                all[i][count[i]++] = {totalw, totalv, 0};
            }
            if(slave2 > -1)
            {
                int totalw = groups[i][master].w + groups[i][slave2].w;
                int totalv = groups[i][master].v + groups[i][master].w + groups[i][slave2].v + groups[i][slave2].w;
                all[i][count[i]++] = {totalw, totalv, 0};
                totalw += groups[i][slave1].w;
                totalv += groups[i][slave1].v * groups[i][slave1].w;
                all[i][count[i]++] = {totalw, totalv, 0};
            }
        }
    }
    //分组背包模板
    int dp[MAXN] = {0};
    for(int i = 1; i <= m; i++)
    {
        for(int j = w; j >= 0; j--)
        {
            for(int k = 0; k < count[i]; k++)
            {
                if(j >= all[i][k].w)
                {
                    dp[j] = max(dp[j], dp[j-all[i][k].w] + all[i][k].v);
                }
            }
        }
    }
    printf("%d\n", dp[w] * 10);
    return 0;
}

收录于