算法-背包问题

在完全背包和多重背包部分我是按照自己思路来写的，如果有问题，请指出！感谢！

背包问题是动态规划中一种比较典型的题型，大体可以分成3类01背包，完全背包以及多重背包

一、01背包

问题描述：

有n种物品，每种只有1个。第i中物品的体积为$v_i$,重量为$w_i$。选一些物品装到一个容量为C的背包中，使得背包内的物品的总体积不超过C的前提下，重量尽可能的大

二维解法

最简单的思路就是使用二位状态dp[i][j]来表示装了i个物品时，体积为j的情况下所能获得的最大重量。
状态转移如下：
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - v[i]] + w[i])
也就是选择装如第i个物品或不装入第i个物品所得到重量的较大值。

for i in range(1, n+1):
	for j in range(C+1):
		if v[i] < j:
			dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - v[i]] + w[i])

一维解法

根据二维解法中的转移方程可以发下，装到第i个物品时所能得到的最大重量仅与装到i-1时有关，所以可以进行状态压缩
dp[j] = max(dp[j], dp[j - v[i]] + w[i])

for i in range(n):
	for j in range(C+1):
		if v[i] < j:
			dp[j] = max(dp[j], dp[j - v[i]] + w[i])

二、完全背包

问题描述：

与01背包类似，但是每一类的物品有无限个

解决方案

状态转移方程和01背包相同：
dp[j] = max(dp[j], dp[j - v[i]] + w[i])

for j in range(C+1):
	for i in range(n):
		if v[i] < j:
			dp[j] = max(dp[j], dp[j - v[i]] + w[i])

贪心

在完全背包问题中，因为没有了个数的限制，我们只需要可以先计算出密度，优先选取密度大的物品即可，这样复杂度要远小于动态规划。

三、多重背包

问题描述：

多重背包是在完全背包的基础上加了一层数量的限制，第i种物品的数量为$n_i$

解决方案

解决的办法与完全背包相似，只需要在遍历的时候判断是否还有物品剩余即可
dp[j] = max(dp[j], dp[j - v[i]] + w[i])

for j in range(C+1):
	last = -1
	for i in range(n):
		if v[i] < j and n[i]:
			if dp[j] < dp[j - v[i]] + w[i]:
				dp[j] = dp[j - v[i]] + w[i]
				last = i
	if last:
		n[i] -= 1