完全背包深度理解

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