java---dp动态规划---完全背包（每日一道算法2022.10.8）

注意事项：
最好先理解01背包再来看完全背包会清晰很多：java—dp动态规划—01背包

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

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

0 < N,V ≤ 1000
0 < vi,wi ≤1000

输入:
4 5
1 2
2 4
3 4
4 5

输出：
10

public class 动态规划_完全背包 {
    public static int N = 1010, n, m;
    public static int[] v = new int[N], w = new int[N];

    public static void main(String[] args) {
        Scanner in = new Scanner(System.in);
        n = in.nextInt(); m = in.nextInt();

        for (int i = 1; i<=n; i++){
            v[i] = in.nextInt(); w[i] = in.nextInt();
        }

        op_full_dp();
    }
    //基础版本，二维数组表示状态，三重循环计算状态
    public static void base_full_dp() {
        int[][] f = new int[N][N];

        for (int i = 1; i<=n; i++) {                    //枚举所有物品
            for (int j = 0; j<=m; j++) {                //枚举所有体积
                for (int k = 0; k*v[i] <= j; k++) {     //枚举所有当前物品i有k个的情况，同时注意这里k个i的体积不能超过当前j
                    //这里是根据状态推导得到的状态转移公式：
                    //为什么这里没有f[i][j] = f[i-1][j]这一步?因为k从0开始枚举就已经进行计算了
                    f[i][j] = Math.max(f[i][j], f[i-1][j - k*v[i]] + k*w[i]);
                }
            }
        }

        System.out.println(f[n][m]);
    }

    //优化基础版，二维数组表示状态，二重循环计算状态
    public static void op_base_full_dp() {
        int[][] f = new int[N][N];

        for (int i = 1; i<=n; i++) {
            for (int j = 0; j<=m; j++) {
                //这里不枚举k所以这一步又回来了hh
                f[i][j] = f[i-1][j];
                //考虑体积j装不下v[i]，同时对之前的状态转移公式进行推导，替换
                if (j >= v[i]) f[i][j] = Math.max(f[i][j], f[i][j-v[i]] + w[i]);
            }
        }

        System.out.println(f[n][m]);
    }

    //优化版，一维数组表示状态，二重循环计算状态
    public static void op_full_dp() {
        int[] f = new int[N];

        for (int i = 1; i<=n; i++) {
            for (int j = v[i]; j<=m; j++) {     //这里相当于直接将j>=v[i]的条件转移到j的初始条件了
                //剩下的还是一样，直接删除维度即可，而不需要像01背包一样逆序处理是因为j-v[i]一定是小于j的
                f[j] = Math.max(f[j], f[j-v[i]] + w[i]);
            }
        }

        System.out.println(f[m]);
    }
}

思路：
整体和01背包差不多思路，都是枚举物品然后枚举体积，然后因为能选同一个物品多次，再需要枚举一下k个同物品，还是先写出二维版本，然后再一步步进行优化

难点1：三重循环到二重循环的转换，
用 f[ i ][ j - v ] + w[i]去掉了第三重循环
原理是将 f[i][j] 展开后，除了第一项，其他项可以直接被 f[ i ][ j - v ] 再加上一个w直接代替
（ v 代表 v[i], w代表w[i], f[i, j] 代表 f[i][j] ）如下图：

难点2：二维转一维
直接将有关[i]维的代码删除即可，但在01背包中，我们使用了逆序的方法来避免过早更新上一层的数据
为什么在完全背包中不需要这样做？
由于 j 是从 v[i] 开始，由小到大枚举的，j - v[i] 是小于 j 的，所以在算 f[ j ] 时，j - v[i] 一定已经被计算过了，和之前的状态转移方程一致，因此不需要再做任何改变

推荐视频讲解：
还在被背包问题所困扰吗？NOI金牌持有者y总亲情奉献，背包九讲你值得拥有：y总b站背包九讲专题

声明：
算法思路来源为y总，详细请见https://www.acwing.com/
本文仅用作学习记录和交流