56.完全背包理论

前言

这不是力扣中的题目，但是有很多题目是可以转换成完全背包问题的，所以这里同01背包问题一样，先了解该理论，然后后面再做相关理论的题目。

一、问题描述

有N件物品和⼀个最多能背重量为W的背包。第i件物品的重量是weight[i]，得到的价值是value[i] 。每件物品都有⽆限个（也就是可以放⼊背包多次），求解将哪些物品装⼊背包⾥物品价值总和最⼤。完全背包和0背包问题唯⼀不同的地⽅就是，每种物品有⽆限件。

还是举一个例子：

背包最大重量为4。

每件商品都有⽆限个！问背包能背的物品最⼤价值是多少？

01背包和完全背包唯⼀不同就是体现在遍历顺序上，所以本⽂就不去做动规五部曲了，我们直接针对遍历顺序经⾏分析！

二、解题思路

首先回顾01背包问题的核心代码：

for (int i = 1; i < weight.length; i++) {
	for (int j = bagWeight; j >= weight[i]; j--) { //注意这里是倒叙
		dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
}

我们知道01背包内嵌的循环是从⼤到⼩遍历，为了保证每个物品仅被添加⼀次。⽽完全背包的物品是可以添加多次的，所以要从⼩到⼤去遍历，即：

// 先遍历物品，再遍历背包
for(int i = 0; i < weight.length; i++) { // 遍历物品
    for(int j = weight[i]; j < bagWeight ; j++) { // 遍历背包容量
        dp[j] =Math.max(dp[j], dp[j - weight[i]] + value[i]);
    }
}

01背包中如果使用⼆维dp数组的两个for遍历的先后循序是可以颠倒了，⼀维dp数组的两个for循环先

后循序⼀定是先遍历物品，再遍历背包容量，可以在我的49_01背包问题中找到答案。

在完全背包中，对于⼀维dp数组来说，其实两个for循环嵌套顺序同样⽆所谓！

因为dp[j] 是根据 下标j之前所对应的dp[j]计算出来的。 只要保证下标j之前的dp[j]都是经过计算的就可

以了。先遍历背包再遍历物品代码如下：

// 先遍历背包，再遍历物品
for(int j = 0; j <= bagWeight; j++) { // 遍历背包容量
    for(int i = 0; i < weight.length; i++) { // 遍历物品
        if (j - weight[i] >= 0){ 
            dp[j] = max(dp[j], dp[j - weight[i]] +value[i]);
        }
     }
}

三、代码演示

package BackPack;

public class main_3 {
    public static void main(String[] args) {
        //背包最大容量
        int bagWeight = 4;

        //表示每物品的重量
        int weight[] = {1, 3, 4};
        //每个物品的价值
        int value[] = {15, 20, 30};

        //调用方法
        int dp[] = BackPack_Solution(bagWeight, weight, value);
        //打印部分
        for (int i = 1; i <= weight.length; i++) {
            for (int j = 0; j <= bagWeight; j++) {
                System.out.print(dp[j] + "\t");
                if (j == bagWeight) {
                    System.out.println();
                }
            }
        }
    }

    public static int[] BackPack_Solution(int bagWeight, int[] weight, int[] value) {
        //dp[i][j]表示前i件物品恰放入一个重量为m的背包可以获得的最大价值
        int dp[] = new int[bagWeight + 1];

        //遍历部分
        for (int i = 0; i < weight.length; i++) {  //遍历物品，注意i是从0开始的
            for (int j = weight[i]; j <= bagWeight; j++) { //遍历背包
                dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
            }

        }
        return dp;
    }
}

最后输出结果：