每日随机一题 leetcode879.盈利计划 0-1背包问题最难的dp问题类型之一，直接看答案思路

本文链接：https://blog.csdn.net/qq_38041237/article/details/116430957

这篇博客探讨了如何使用动态规划解决背包问题，特别是在求解在有限容量下达到最小利润目标的情况。博主详细介绍了动态规划的状态转移方程，并通过Java代码实现了这一算法。文章强调了循环方向的重要性，即从大到小更新状态，以确保依赖关系的正确性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

题：
在这里插入图片描述

正确思路：
首先将本题转换为背包问题：

n个人相当于背包容量，minProfit相当于要求我背包里最少装的价值，group代表每个物品的重量，profit代表每个物品的价值
对于第i个物品，dp[j][k]表示截止到第i个物品时，用j大小的容量，获取k的价值，有dp[j][k]条策略
初始化dp[M][0] = 1; M=1,2,3,…n 解释：对于M大小的容量，初始情况下想要获取0的价值，只有一种方案，就是什么都不放。（现在还没有遍历过所有物品，有的物品价值是为0的）
设w为第i个物品的重量，v为第i个物品的价值
dp[j][k] = dp[j-w][k-v] + dp[j][k] ,如果k-v<0,则k-v视为0
解释：要想j的重量至少装k价值的方法，就等于j-w的重量至少装k-v的价值的方法的数量，但是要遍历所有物品，所以每次还要加上已有方法的数量
本质：看看当前物品能不能放到背包里面

码：

public int profitableSchemes(int n, int minProfit, int[] group, int[] profit) {
        final int M = 1_000_000_007;
        int pojo = group.length; // 物品个数
        int[][] dp = new int[n+1][minProfit+1];
        for (int i = 0; i < n+1; i++) {
            dp[i][0] = 1;
        }
        for (int i = 0; i < pojo; i++) {
            int w = group[i];
            int v = profit[i];
            // 这里循环要倒着写，如果正着写，会让dp[M][0]=1的值，多加到后面去
            for(int j = n; j >=w ; j--){
                for(int k = minProfit ; k >=0 ; k--){
                    dp[j][k]+=dp[j-w][Math.max(0,k-v)];
                    dp[j][k]%=M;
                }
            }
        }
        return dp[n][minProfit];
    }