动态规划（DP）---- 完全背包一维与二维代码（额外）

咱们在学习01背包滚动数组的过程中，因为遍历顺序的问题会发现倒序遍历每个物品会拿取仅一个，而正序遍历物品会拿多个且得到最优方案为止，这种情况就是咱们要讲的完全背包问题。

完全背包

首先看二维dp数组的代码......

​​#include <iostream>
#include <algorithm>
using namespace std;
const int N = 1000;
int dp[N][N];
int w[N],v[N];	
int n,m,k;
int solve()
{
	dp[0][0] = 0;
	for(int i = 1;i <= n;i++)
	{
		for(int j = 0;j <= m;j++)
		{
			for(k = 0;k * w[i] <= j;k++)
			{
				dp[i][j] = max(dp[i - 1][j],dp[i - 1][j - k * w[i]] + k * v[i]);
			}
		}
	}
}
int main()
{
	cin >> n >> m;
	for(int i = 1;i <= n;i++)
	{
		cin >> w[i] >> v[i];
	}
	solve();
	cout << dp[n][m];
}

然后咱们看一下一维dp数组的代码......

#include <iostream>
#include <algorithm>
using namespace std;
const int N = 1000;
int dp[N];
int w[N],v[N];	
int n,m,k;
int solve()
{
	dp[0] = 0;
	for(int i = 1;i <= n;i++)
	{
		for(int j = m;j >= w[i];j--)
		{
			dp[j] = max(dp[j],dp[j - w[i]] + v[i]);
		}
	}
}
int main()
{
	cin >> n >> m;
	for(int i = 1;i <= n;i++)
	{
		cin >> w[i] >> v[i];
	}
	solve();
	cout << dp[m];
}

通过对比，我们不难发现在一维与二维的区别在于数量上的枚举，二维数组的情况是设定一个整形k来计数，而一维数组本身是通过不断的覆盖原有值来使情况最优。

对于时间与空间复杂度来考虑肯定是推荐利用压维的方式编写代码。再给大家举个我打印的硬币问题分一维dp数组的例子....

好了，今天的分享到此结束啦，我们下期再见。