【动态规划】背包九讲-完全背包

完全背包

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。

完全背包问题，比起0-1背包更符合动态规划的一般方式，由前往后递推。

那么在之前的两个嵌套循环当中再添加一个循环用来表示加入 k 件 i 物品后的价值量与 i -1 的循环形成的价值量做比较，取最优。

	for(int i = 1;i <= N;i ++)
		for(int j = 1;j <= V;j ++)
			for(int k = 0;k*v[i-1] <= j;k ++)
				dp[i][j] = max(dp[i][j],dp[i-1][j-k*v[i-1]]+k*w[i-1]);

完整代码：

#include<iostream>
#include<algorithm>
#include<vector>
using namespace std;
 
/*
  完全背包
  每种物品可以选任意次，要求实现给定容积物品价值最大 
*/ 
const int N = 4; //物品个数 
const int V = 5; //背包容积 
int w[N] = {2,4,4,5}; //物品价值
int v[N] = {1,2,3,4}; //物品体积
 
int knapsack(){
    //dp[i][j]是考虑前i件物品并且体积为j时的价值量最优解 
	vector<vector<int> >  dp(N+1,vector<int>(V+1)); //dp初始化 
	for(int i = 1;i <= N;i ++)
		for(int j = 1;j <= V;j ++)
			for(int k = 0;k*v[i-1] <= j;k ++) //在容积范围内放尽可能多的i物品与之前的价值量对比 
				dp[i][j] = max(dp[i][j],dp[i-1][j-k*v[i-1]]+k*w[i-1]);
	//打印状态转移矩阵 
	for(int i = 1;i <= N;i ++){
		for(int j = 1;j <= V;j ++) cout<<dp[i][j]<<" ";
		cout<<endl;	
	}	
	//返回结果 
	return dp[N][V];
} 
 
int main(){
	cout<<knapsack();
} 

运行结果：