背包问题（01背包，完全背包）

01背包问题

题目

有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。

第 i 件物品的体积是 vi，价值是 wi。

求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。
输出最大价值。

输入格式
第一行两个整数，N，V，用空格隔开，分别表示物品数量和背包容积。
接下来有 N 行，每行两个整数 vi,wi，用空格隔开，分别表示第 i 件物品的体积和价值。

输出格式
输出一个整数，表示最大价值。

数据范围
0<N,V≤1000
0<vi,wi≤1000
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例：
8

分析

·这是一道简单的动态规划题，也是最基本的背包问题

·这道题数据比较小的时候可以用搜索来做，但因为0<N,V≤1000，搜索会爆栈，所以这道题要用动态规划来做

讲解

朴素版：二维

·变量定义：

int n,m,f[1005][1005],v[1005],w[1005];

f是动态规划数组，n为物品数量，m为背包容积，v[i]和w[i]分别表示第i个物品的体积和价值，f[i][j]表示前i件物品中体积不超过j的物品的最大价值

·对于每件物品，有选和不选两种情况：

选：

​f[i][j]=f[i-1][j-v[i]]+w[i];

不选：

​f[i][j]=f[i-1][j];

f[i][j]的值应该是选和不选这两种情况里的最大值

·所以状态转移方程为

f[i][j]=max(f[i-1][j],f[i-1][j-v[i]]+w[i]);

·注意一下，当j<v[i]时，j-v[i]的值就会为负，在f[i-1][j-v[i]]中就会出现问题

·核心代码如下：

for(i=1;i<=n;i++)
{
	for(j=1;j<=m;j++)
	{
		if(j>=v[i]) f[i][j]=max(f[i-1][j],f[i-1][j-v[i]]+w[i]);
		else f[i][j]=f[i-1][j];
	}
}

·贴上AC完整代码（朴素版）：

#include<iostream>
using namespace std;
int n,m,f[1005][1005],v[1005],w[1005];
int main()
{
	int i,j,k;
	cin>>n>>m;
	for(i=1;i<=n;i++) cin>>v[i]>>w[i];
    for(i=1;i<=n;i++)
    {
	    for(j=1;j<=m;j++)
	    {
		    if(j>=v[i]) f[i][j]=max(f[i-1][j],f[i-1][j-v[i]]+w[i]);
		    else f[i][j]=f[i-1][j];
	    }
    }
	cout<<f[n][m];
	return 0;
} 

优化版：一维（优化空间复杂度）

·因为f[1005][1005]所占用空间太大，所以我们要考虑优化空间复杂度，把二维变成一维

·我们可以看出，其实f[i][j]中的i作用并不大，所以只需要把f[i][j]中的i去掉,再倒着枚举体积就可以了，核心代码如下：

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

贴上完整AC代码（优化版）：

#include<iostream>
using namespace std;
int n,m,f[1005],v[1005],w[1005];
int main()
{
    int i,j,k;
    cin>>n>>m;
    for(i=1;i<=n;i++) cin>>v[i]>>w[i];
    for(i=1;i<=n;i++)
    {
        for(j=m;j>=v[i];j--)
        {
            f[j]=max(f[j],f[j-v[i]]+w[i]);
        }
    }
    cout<<f[m];
    return 0;
}

大家如果懂了，可以做一下这道题：

洛谷P1048采药   链接：[NOIP2005 普及组] 采药 - 洛谷

完全背包问题

题目

 有 N 种物品和一个容量是 V 的背包，每种物品都有无限件可用。
第 i 种物品的体积是 vi，价值是 wi。

求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。
输出最大价值。

输入格式
第一行两个整数，N，V，用空格隔开，分别表示物品种数和背包容积。

接下来有 N 行，每行两个整数 vi,wi，用空格隔开，分别表示第 i 种物品的体积和价值。

输出格式
输出一个整数，表示最大价值。

数据范围
0<N,V≤1000
0<vi,wi≤1000
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例：
10

分析

·这也是一道很经典的背包问题，显然要用动态规划来做

·与01背包的区别是，01背包对于每件物品只能选一次，而完全背包则可以选无数次

讲解

朴素版：二维

·变量定义：

int n,m,f[1005][1005],v[1005],w[1005];

n为物品数量，m为背包容积，v[i]和w[i]分别表示第i个物品的体积和价值，f[i][j]表示前i件物品中体积不超过j的物品的最大价值

因为01背包对于每件物品只能选一次，而完全背包则可以选无数次，所以只需要在01背包的双重循环的里面再加一重循环枚举该件物品选的个数就可以了

·核心代码如下：

for(i=1;i<=n;i++)
{
	for(j=1;j<=m;j++)
	{
		for(k=0;k<=j/v[i];k++)
		{
			f[i][j]=max(f[i][j],f[i-1][j-k*v[i]]+k*w[i]); 
		}
	}	
}

·贴上完整代码（朴素版）：

#include<iostream>
using namespace std;
int n,m;
int v[1005],w[1005],f[1005][1005];
int main()
{
	int i,j,k;
	cin>>n>>m;
	for(i=1;i<=n;i++) cin>>v[i]>>w[i];
	for(i=1;i<=n;i++)
	{
		for(j=1;j<=m;j++)
		{
			for(k=0;k<=j/v[i];k++)
			{
				f[i][j]=max(f[i][j],f[i-1][j-k*v[i]]+k*w[i]); 
			}
		}	
	}
	cout<<f[n][m];
	return 0;
}

优化版：一维（优化空间和时间复杂度）

·因为f[1005][1005]所占用空间太大，并且是三重循环，所以我们要考虑优化空间和时间复杂度，把二维变成一维，把三重循环变成二重循环

·我们可以借用一下01背包里的状态转移方程，完全背包的状态转移方程为：
f[j]=max(f[j],f[j-v[i]]+w[i],f[j-2*v[i]]+2*w[i],......,f[j-k*v[i]]+k*w[i]);
 
·完成一次操作f[j]=max(f[j],f[j-v[i]]+w[i])后方程变为：
f[j]=max(f[j],f[j-v[i]]+w[i],f[j-2*v[i]]+2*w[i],......,f[j-(k-1)*v[i]]+(k-1)*w[i]);
 
·再完成一次操作f[j]=max(f[j],f[j-v[i]]+w[i])后方程变为：
f[j]=max(f[j],f[j-v[i]]+w[i],f[j-2*v[i]]+2*w[i],......,f[j-(k-2)*v[i]]+(k-2)*w[i]);
 
·再完成一次操作f[j]=max(f[j],f[j-v[i]]+w[i])后方程变为：
f[j]=max(f[j],f[j-v[i]]+w[i],f[j-2*v[i]]+2*w[i],......,f[j-(k-3)*v[i]]+(k-3)*w[i]);

…… …… …… ……
 
以此类推,最终的状态转移方程会变成f[j]=max(f[j],f[j-v[i]]+w[i]);
·与01背包不同的是，01背包是倒着枚举体积，而完全背包是正着枚举体积

核心代码如下：

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

贴上完整AC代码（优化版）：

#include<iostream>
using namespace std;
int n,m,v[1005],w[1005];
int f[1005];
int main()
{
	int i,j,k;
	cin>>n>>m;
	for(i=1;i<=n;i++) cin>>v[i]>>w[i];
	for(i=1;i<=n;i++)
	{
		for(j=v[i];j<=m;j++)
		{
			f[j]=max(f[j],f[j-v[i]]+w[i]);
		}
	}
	cout<<f[m];
	return 0;
} 

 大家如果懂了，可以做一下这道题：

洛谷P1616疯狂的采药   链接：疯狂的采药 - 洛谷

结语

这是本蒟蒻的第一篇题解，希望大家多多支持我

这是我的洛谷账号，欢迎大家来关注我

个人中心 - 洛谷