关于 01 背包和完全背包

---

01背包:

题目：

有 $n$ 个物品，每个物品有一定的价值 $c$ 和体积 $v$ ，塞进容量为 $m$ 的背包，问：如何利益最大化？

思路：

用 $dp[i][j]$ 表示 当背包容量为 $j$ 时，放入前 $i$ 件物品的最大值。
那么答案则为 $dp[n][m]$。

动态转移方程为：

$$dp[i][j]=\{\begin{array}{ll}dp[i-1][j]& j<v[i]\\ \max (dp[i-1][j],dp[i-1][j-v[i]]+c[i])& j⩾v[i]\end{array}$$

现在就可以得到核心代码了：

for(int i=1;i<=n;i++){
	for(int j=1;j<=m;j++){
		if(j<v[i])dp[i][j]=dp[i-1][j];
		else dp[i][j]=max(dp[i-1][j],dp[i-1][j-v[i]]+c[i]);
	}
}

但还没有结束，我们还可以把二维数组将为一维数组：

for(int i=1;i<=n;i++){
	for(int j=m;j>=v[i];j--){
		dp[j]=max(dp[j],dp[j-v[i]]+c[i]);
	}
}

直到现在，01背包的核心代码才算结束。

---

接下来再讲一下完全背包。

---

完全背包:

题目：

有 $n$ 种物品，每种物品有无数个。每种物品有一定的价值 $c$ 和体积 $v$ ，塞进容量为 $m$ 的背包，问：如何利益最大化？

思路：

用 $dp[i][j]$ 表示 当背包容量为 $j$ 时，放入前 $i$ 件物品的最大值。
那么答案则为 $dp[n][m]$。

动态转移方程为：

$$dp[i][j]=\{\begin{array}{ll}dp[i-1][j]& j<v[i]\\ \max (dp[i-1][j],dp[i][j-v[i]]+c[i])& j⩾v[i]\end{array}$$

现在就可以得到核心代码了：

for(int i=1;i<=n;i++){
	for(int j=1;j<=m;j++){
		if(j<v[i])dp[i][j]=dp[i-1][j];
		else dp[i][j]=max(dp[i-1][j],dp[i][j-v[i]]+c[i]);
	}
}

但还没有结束，我们还可以把二维数组将为一维数组：

for(int i=1;i<=n;i++){
	for(int j=v[i];j<=m;j++){
		dp[j]=max(dp[j],dp[j-v[i]]+c[i]);
	}
}

---

发现没有，01背包和完全背包挺像的，简化后竟只有一处区别！（在第二个for循环中）

for(int i=1;i<=n;i++){ //01背包
	for(int j=m;j>=v[i];j--){
		dp[j]=max(dp[j],dp[j-v[i]]+c[i]);
	}
}

for(int i=1;i<=n;i++){ //完全背包
	for(int j=v[i];j<=m;j++){
		dp[j]=max(dp[j],dp[j-v[i]]+c[i]);
	}
}

在第二个for循环中，01背包是从后往前倒着推的，完全背包则是从前往后推的。

那么是什么造成了这个小小的区别呢？

是因为：01背包问题每种物品只有1件，而完全背包问题每种物品有无数个，拿完一个还能继续拿。

$dp[j]=max(dp[j],dp[j-v[i]]+c[i])$
仔细琢磨一波，发现没，这条代码只对后面有影响，对前面没影响，所以懂了吧。