【动态规划】完全背包

题目描述

设有n种物品，每种物品有一个重量及一个价值。但每种物品的数量是无限的，同时有一个背包，最大载重量为M，今从n种物品中选取若干件（同一种物品可以多次选取），使其重量的和小于等于M，而价值的和为最大。

输入格式

第一行：两个整数，M（背包容量，M<=200）和N（物品数量，N<=30）；
第2~N+1行：每行二个整数Wi、Ci，表示每个物品的重量和价值。

输出格式

仅一行，一个数，表示最大总价值。

样例输入

10 4
2 1
3 3
4 5
7 9

样例输出

12

题解：

该问题与01背包不同点在于，该问题中每个物品的数量有无限个

1.转换成01背包

dp [ i ][ j ] = max(dp[ i-1 ][ j ],dp[ i - 1][ j-w[i] ] +c[ i ])

最容易想到的一个方法就是将完全背包装换成01背包。
（1）实际上，最简单的一种实现就是把每个物品复制W/w[i]份，这样把同类的多份都视作01背包中最多只能选择1次的物品，即可转换成01背包。不过这个实现空间占用较多，而且也不够优雅。

（2）第二种实现就是枚举每个物品选择的次数，要保证前i个物品在剩余 j 空间内具有最大价值，必然让每个物品选择0到W/w[i]次(W:背包空间，w[i]每个物品的体积)，只要枚举物品的选择次数，并从中选择使得价值最大的次数k即可获得最大价值。

重点讲解第2种：
状态：

状态1：当前面对的物品类型 i
状态2：当前剩余的空间大小 j
dp [ i ][ j ]:面对物品 i,且空间剩余 j 时最大价值

方程：

面对第 i 种物品，可以有两种决策：
选择
选择物品 i 时，要考虑选择多少次，因此需要做一个次数的枚举，因为必然存在某个次数k使得背包价值最大，同时这个选择是在 第i - 1个物品剩余空间为 j 的基础上做出的有：

dp [ i ] [ j ] = max(dp [ i - 1 ] [ j - k * w[i] ] +k * c[ i ] ,$(0<k\le W/w[i]))$

---

不选择
由于不选择第 i 个物品，说明第 i 个物品不能贡献最大值，因此直接取第i-1个物品的最大结果即可

dp [ i ] [ j ] = dp [ i -1 ] [ j ]

---

总结
两者取大者即可

dp[ i ] [ j ] = max(dp[ i - 1 ] [ j ],dp[ i -1 ][ j - k * w[i]]+k * c[i])

初值

初值为0

#include <bits/stdc++.h>
#define maxlen 205

using namespace std;
int w[maxlen]; 
int c[maxlen]; 
int dp[35][205];
int main() {
	int m,n;
	cin>>m>>n;
	for(int i =1 ;i<=n; i++)
		cin>>w[i]>>c[i];
		
	//0.枚举每个物品 
	for(int i = 1 ;i<=n ;i++){
		for(int j = 1 ;j<=m ;j++){
			//1.不选择第i个物品 
			dp[i][j] = dp[i-1][j];
			//2.选择，且尝试枚举数量 
			for(int k = 0 ;k<=j/w[i]; k++){
				if(j>=k*w[i])
					dp[i][j] = max(dp[i][j],dp[i-1][j-k*w[i]]+k*c[i]);
			}
		}
	} 
	cout<<dp[n][m]<<endl;
   return 0;
}

2.改进

显然，上述代码的时间复杂度为$O(nm\ast {\sum }_{i=1}^{n}W/w[i])$，达到$O(n^3)$级别，不是一个非常好的算法。仔细分析可以发现，内层枚举数量的循环主要是在选择的情况下产生的，因此重点在于简化选择情况下的过程。
改进主要方式为简单的数学推导，如下：
由状态转移方程可知：
$dp[i][j]=max(dp[i-1][j],dp[i-1][j-w[i]]+c[i],dp[i-1][j-2\ast w[i]]+2\ast c[i],...,dp[i-1][j-k\ast w[i]]+k\ast c[i]),(0<k\le W/w[i])$ ①

左右两边 对空间缩小w[ i ] 并加上 c[ i ] 有：
$dp[i][j-w[i]]+c[i]=max(dp[i-1][j-w[i]]+c[i],dp[i-1][j-2\ast w[i]]+2\ast c[i],...,dp[i-1][j-(k+1)\ast w[i]]+(k+1)\ast c[i]),(0<k\le W/w[i])$ ②
由于k+1项不符合题意(每个物品最多W/w[i]项就可以填满背包)，直接舍弃即可
$dp[i][j-w[i]]+c[i]=max(dp[i-1][j-w[i]]+c[i],dp[i-1][j-2\ast w[i]]+2\ast c[i],...,dp[i-1][j-k\ast w[i]]+k\ast c[i]),(0<k\le W/w[i])$ ③

由上述在选择的情况下可知:
必然从选择1次到选择W/w[i]次之间中产生一个最大值：
$dp[i][j]=max(dp[i-1][j],dp[i-1][j-w[i]]+c[i],dp[i-1][j-2\ast w[i]]+2\ast c[i],...,dp[i-1][j-k\ast w[i]]+k\ast c[i]),(0<k\le W/w[i])$ ④

显然①④右侧相等，所以左侧必然相等有：

dp[ i ][ j ] = dp[ i ][ j -w[ i ] ]+c[ i ]

在选择的情况下，这个式子实际上使用dp[ i ][ j -w[ i ]]代替了max(dp[i-1][ j - k * w[i])+k * c[ i ]) 这个需要循环找第i-1行最大值的式子，使用本行即第 i 行中已经计算出的式子来更新dp[ i ] [ j ] ，这个替换具有重要意义，直接去掉了一层循环。

#include <bits/stdc++.h>
#define maxlen 205

using namespace std;
int w[maxlen]; 
int c[maxlen]; 
int dp[35][205];
int main() {
	int m,n;
	cin>>m>>n;
	for(int i =1 ;i<=n; i++)
		cin>>w[i]>>c[i];
		
	//0.枚举每个物品 
	for(int i = 1 ;i<=n ;i++){
		for(int j = 1 ;j<=m ;j++){
			//1.先默认不选择的情况
			dp[i][j] = dp[i-1][j];
			if(j>=w[i])
				//2.使用本层的dp[i][j-w[i]]+c[i]替换了max(dp[i][j-k*w[i]]+k*c[i])
				dp[i][j] = max(dp[i][j],dp[i][j-w[i]]+c[i]);
		}
	} 
	cout<<dp[n][m]<<endl;
   return 0;
}

3.简化

和01背包类似，实际上多重背包dp[ i ][ j ]的计算只使用到了本行的内容，因此只用保存一行的内容即可。容易得到：

#include <bits/stdc++.h>
#define maxlen int(1e7+1)
long dp[maxlen];
long v[maxlen];
long w[maxlen];

using namespace std;

int main() {
	int n,W;
	cin>>W>>n;
	for(int i = 1 ;i<=n ;i++)
		cin>>w[i]>>v[i];
	
	for(int i = 1 ;i<=n ;i++){
		for(int j = 0 ;j<=W ;j++){
			if(j>=w[i]){
				dp[j] = max(dp[j],dp[j-w[i]]+v[i]);
			}
		}
	}
	cout<<dp[W]<<endl;
   return 0;
}