《DP学习系列》从零开始学习动态规划，完全背包（二）

前言

如果您也是参考笔者的记录学习，那么推荐您至少先看一遍原版背包九讲。本系列只是初学者对若干问题的补充和思考。

1. 题目

有N种物品和一个容量为V的背包，每种物品都有无限件可用。放入第i种物品的费用是$C_i$，价值是$W_i$。求解：将哪些物品装入背包，可使这些物品的耗费的费用总和不超过背包容量，且价值总和最大。

2. 基本思路

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 ] = m a x { F [ i − 1 , v − k C i ] + k W i } , 0 ≤ k C i ≤ v F[i, v] = max\{F [i − 1, v − kC_{i}] + kW_{i} \} , 0 ≤ kCi ≤ v F[i,v]=max{F[i−1,v−kCi​]+kWi​},0≤kCi≤v

原文没有写出来基本思路的伪代码，笔者来写下（写出这段伪代码，才代表真正理解上面的转移方程，才可能解决一些变种问题）：

for n=1 to N
   for v=0 to V
      for  k=0 to V/Ci
           F[i,v]=F[i-1,v-kCi]+kWi
           if F[i,v] > last F[i,v]
               update F[i,v]

3. 优化基本思路

3.1 输入优化

我们知道如果一个物件$W_i$最大，$C_i$最小，那么可以直接得出答案：$V/Ci$个该物件就是最佳答案，但是往往不可能做到这步。所以崔作者给出的优化是一种局部优化，具体为：

首先将费用大于V 的物品去掉，然后使用类似计数排序的做法，计算出费用相同的物品中价值最高的是哪个，可以$O(V+N)$地完成这个优化。

任意的稳定排序算法都是可以的(理解到这一步，才代表真正理解输入优化的本质)，崔作者推荐计数排序，其时间复杂度最优。伪代码如下：

　　counter_sort(N,W)//按照Wi计数排序一次，
　　counter_sort(N,C)//然后再按照Ci排序一次，此时Vi相同的元素保持上一次计数排序的偏序，我们只要取Vi相同元素中最后一个值就可以。
　　for j=0,i=0 to N //遍历结果数组
　　   while(output[i] == output[i+1]) i++;
　　   newinput[j++]=output[i];

3.2 时间复杂度优化

二进制优化：因为，不管最优策略选几件第i种物品，其件数写成二进制后，总可以表示成若干个$2^k$件物品的和。这样一来就把每种物品拆成$O(logV/Ci)$件物品，是一个很大的改进。

这里不好理解，笔者一开始大方向对了，**理解该优化的本质，对于理解DP有很大帮助。**还是观察状态转移方程：$F[i,v]=F[i-1,v-k{C}_i]+k{W}_i$，注意$F[i,v]$是最初定义的最优子问题，那么它具有一定的性质：其代表当前i,v的下的最佳解。而最优子问题逐步递推出最终问题的答案。
　　这是笔者的理解，将来再看《算法导论》时，会更加准确的描述这种性质。回到这个问题中，$F[i,v]=F[i-1,v-K{C}_i]+K{W}_i$，因为$K=a{2}^k+b{2}^{k-1}+...m{2}^0$，那么我们得到最终的K时，由所有的$2^k$子问题经过选择得到（该$2^k$项系数可能为1，也可能为0）。所以状态转换公式可以为$F[i,v]=F[i-1,v-2^k{C}_i]+2^k{W}_i$，根据最优子问题（结构）的特点，我们可以说最优解的K能取到$0-V/Ci$的任何值（不代表K需要遍历整个区间，K代表该区间的最优解的值）。可以通过举列子说明，比如K=5，那么遍历2^k时，20取，2^1不取，22取。优化之后的伪代码如下：

for n=1 to N
   for v=0 to V
      for  k=0 to log(V/Ci)
           F[i,v]=F[i-1,v-2^kCi]+2^kWi
           if F[i,v] > last F[i,v]
               update F[i,v]　

4. $O(VN)$的算法

F[0...V] 初始化为 0
    for i=1 to N
        for v=Ci to V　//增序
            F [v] = max{F[v], F [v − Ci] + Wi}

上一篇01背包问题稍微改变。至于该方式的理解，现在比较多的是后验逻辑，也就是根据结果理解过程。假设该结论是对的，那么推出必要条件：

首先想想为什么01背包中要按照v递减的次序来循环。让v递减是为了保证第i次循环中的状态$F[i,v]$是由状态$F[i-1,v-Ci]$递推而来。换句话说，这正是为了保证每件物品只选一次，保证在考虑“选入第i件物品”这件策略时，依据的是一个绝无已经选入第i件物品的子结果$F[i-1,v-Ci]$。而现在完全背包的特点恰是每种物品可选无限件，所以在考虑“加选一件第i种物品”这种策略时，却正需要一个可能已选入第i种物品的子结果$F[i,v-Ci]$，所以就可以并且必须采用v递增的顺序循环。这就是这个简单的程序为何成立的道理。

如果是第一个推出来该结论的人，可能需要严格的逻辑证明，但是这里可以用必要条件来理解，但是不够充分。目前很多理解都是当结论记住，按照学习梯度，现在暂时还是不要深究。

５. 总结

完全背包问题至少应该理解基础方法和优化策略，至于一维状态转化方程，可以当模板记住。因为这个问题如果要用充分条件推导，恐怕难度已经不是初学DP可以解决的了。