问题描述:
有n件物品和一个容量为v的背包,求可以得到的最大价值,不同的是每件物品的数量是无限的。其中重量是w[i],价值是v1[i]。
思路:
这个问题非常类似于01背包问题,所不同的是每种物品有无限件。也就 是从每种物品的角度考虑,与它相关的策略已并非取或不取两种,而是有 取0件、取1件、取2件……直至取⌊V /Ci⌋件等许多种。 如果仍然按照解01背包时的思路,令F[i, v]表示前i种物品恰放入一个容 量为v的背包的最大权值。仍然可以按照每种物品不同的策略写出状态转移方 程,像这样: F[i, v] = max{F[i − 1, v − kCi ] + kWi | 0 ≤ kCi ≤ v},这样写出伪代码:
for i=1.....n
for j=0.... v
for k=0....v/v1[ i ]
f[ i , v] = max( f [ i ,v ] , f[ i -1 , j- k*w[ i ] ] + k*v1[ i ] )
用此方法的复杂度为O(n*v*v)复杂度很大会超时,所以我们需要进行优化。我在这里说复杂度为O(n*v)的算法(优化方法还可以转化为01背包但是不可以降低复杂度)。
O(V*N)的算法:
伪代码:
for i ← 1 to n
for v = Ci to V
f[v] ← max(f[v], f[v − w[ i ] ] + v1[ i ] )
我们会发现这与01背包很像,只不过是第二层循环的顺序变了而已,接下来我会详细分析这是如何得来的。
利用上面高复杂度的伪代码来分析,也按照01背包的思路来打表,
以 4 7
5 1
3 4
4 5
2 3 为例
由上图的打表结果的最后一行,我们可以找到得到复杂度低的算法的原因,我们观察最后一行,例如 f [ 4 ][ 2 ]是由取一个4物品得到 f [ 4 ][ 3 ]是由上一行得到, f [ 4 ][ 4 ]是由取2个4物品得到,同样也可以是由 f [ 4 ][ 2 ]再取1个4物品得到(这部分的理解需要好好琢磨),总结来说就是在f [ i ][ j ]物品的选取中选k个i物品的情况与 f [ i ][ j-w[ i ] ]中选 k-1 个物品的情况是一样的。 (这句话对于理解很重要),用式子说明如下:
所以二维数组的伪代码:
for i ← 1 to n
for v = Ci to V
f [ i , v ] = max( f [ i -1 ][ v ] , f[ i-1 ][ v- w[ i ] ] +v1[ i ] )
对此进行空间复杂度的优化就可以得到上面复杂度低的伪代码。
对这部分的理解需要深入想一下,理解了这个完全背包问题这样写的原因,会在以后的做题过程中更好的理解题目,和运用完全背包解题。
完全背包例子及代码:https://mp.csdn.net/postedit/83239313