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: