背包问题总结

1、0-1背包问题

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。

可以建立一个dp[N][V]的二维数组，状态转移方程如何推理？

如果不选第i件物品，则dp[i][j] = dp[i-1][j]
如果选第i件物品，且第i件物品体积能装入背包，即j > vi。如果要装入vi，则上一个体积状态为j - vi，状态转移方程：
dp[i][j] = dp[i - 1][j - vi] + wi (if j > vi)

2、完全背包问题：

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。

与0-1背包（每个物品仅有一个）相比，完全背包则表示我这里有很多物品呀，同样的建立状态转移方程：

如果不选第i件物品，则dp[i][j] = dp[i - 1][j]
如果选第i件物品，只选一件：dp[i][j] = dp[i - 1][j - vi] + wi
如果选第i件物品，只选k件：dp[i][j] = dp[i - 1][j - k*vi] + k * wi  (if k = int(j/vi))
总体状态转移方程：
dp[i][j] = max(dp[i - 1][j],dp[i - 1][j - vi] + wi + dp[i - 1][j - 2*vi] + 2wi + ... + dp[i - 1][j - k*vi] + k * wi)
如何优化该方程？我们先求dp[i][j - vi]，将j - vi代入上式：
dp[i][j - vi] = max(dp[i - 1][j - vi],dp[i - 1][j - 2*vi] + wi + dp[i - 1][j - 3*vi] + 2wi + ... + dp[i - 1][j - (k + 1)*vi] + k * wi)
对于上述转移方程最后一项来说，dp[i - 1][j - (k + 1)*vi] + k * wi，想把k * vi的物品放入背包为j - vi里面，显然放不进去呀。把dp[i][j - vi]代入总体转移方程中，于是上述总体状态转移方程就变为：
dp[i][j] = max(dp[i - 1][j],dp[i][j - vi] + w)