完全背包

这个问题和01背包问题类似，不同点在于完全背包问题中的物品可以取无数次.
显然，我们可以把取多次同意物品的过程当作又增加了新的物品可以放入，这样就将其转换为01背包问题
但是时间复杂度会非常大
其状态转移方程为：

> dp[i + 1][j] = max(dp[i][j], dp[i][j - k * A[i]] + k * V[i])

for (int i = 0; i < n; ++i)
    for (int j = m; j >= 0; --j)
        for (int k = 0; k * w[i] <= m; ++k)//将不同次数放进的物品当作一个只可选取一次的新物品
            if (j - k * w[i] >= 0)
                f[j] = max(f[j], f[j - k * w[i]] + k * Val[i]);

优化：
我们写01背包时，在使用一维数组写01背包时，我们空间是从大到小，若是反过来，会导致物品的重复放入，而这个情况确是我们完全背包问题所要解决的，物品无限次，当然可以往背包里一直放入该物品
时间复杂度为O(N*Weight)

int dp_all_package(int t,int m)
{
    for(int i = 1; i <= n; i++){
        for(int j = tim[i]; j <= m; j++){
            dp[j] = max(dp[j],dp[j - tim[i]] + vis[i]);
        }
    }
    return dp[t];
}

如果说的不清楚，可以看这篇文章传送门
以及 关于递推公式的推导
例题洛谷1616 疯狂的采药人

#include <iostream>
#include <string>

using namespace std;

int dp[100005],tim[100005],vis[100005];

int dp_all_package(int t,int m)
{
    for(int i = 0; i < m; i++){
        for(int j = tim[i]; j <= t; j++){
            dp[j] = max(dp[j],dp[j - tim[i]] + vis[i]);
        }
    }
    return dp[t];
}

int main()
{
    int t,m;
    cin>>t>>m;
    for(int i = 0; i < m; i++){
        cin>>tim[i]>>vis[i];
    }
    int ans = dp_all_package(t,m);
    cout<<ans<<endl;
    return 0;
}

完全背包恰好装满问题