背包问题__完全背包

完全背包

完全背包是指，在N个物品中，每个物品都有无限个。其中每个物品的体积为 vi[i], 每个物品的权重（价值）为 wi[i]。

对于每件物品，跟01背包相同，只有选和不选两种情况。区别在于，该物品可以选择一个或多个。

在一个体积为V的背包中，怎么选择放入物品，可使得价值最大。

注：本帖子中的所有内容，均以java代码进行演示

问题一：

点击题目，跳转到原题。

剖析；

​ 完全背包，跟 01背包，大抵相同。所以，直接分析和 01背包 的不同。

​ 在01背包中，一个物品，只有选和不选，两种情况。而对于完全背包，则在此基础上，多了对于一个物品，若选择该物品，则应该选择多少件。注意到本题中的，数据范围很小，则可以考虑，直接枚举该物品选择多少件。

​ dp[i] [j] 表示，只是用前 i 件物品（包括第 i 件物品），在体积为 j 的情况下，能够获得的最大价值。

​ 情况一：若不选择第 i 件物品，则获得的价值为 dp【i-1】【j】

​ 情况二：若选择第 i 件物品，并且该物品选择 k 件，所获得的价值为 dp【i-1】【j -v [i] * k】+ k * w[i]，k 可取0-正无穷，如果条件满足的情况下。因为，在完全背包中，每件物品的个数为正无穷。当 k 为0时，即为情况一。

抽取输入输出，打印以及main函数如下：

class Main {
    public static void main(String[] args) {
        Scanner scanner = new Scanner(System.in);
        //scanner.next() 标准输出函数
        //物品数量
        int n = scanner.nextInt();
        //最大体积
        int v = scanner.nextInt();
        //第i件物品所占的体积
        int[] vi = new int[n + 1];
        //第i件物品的权重
        int[] wi = new int[n + 1];
        // 接下来有 N 行，每行有两个整数:v[i],w[i]，用空格隔开，分别表示第i件物品的体积和价值
        for (int i = 1; i <= n; i++) {
            vi[i] = scanner.nextInt();
            wi[i] = scanner.nextInt();
        }
        allBackpacker(n, v, vi, wi);
    }
}

完全背包，直接枚举 第 i 件物品，所选择的个数，代码实现如下

//二维数组，三重循环
private static void allBackpacker(int n, int v, int[] vi, int[] wi) {
    int[][] dp = new int[n + 1][v + 1];
    //只是用前i件物品，包括第i件
    for (int i = 1; i <= n; i++) {
        //体积为j
        for (int j = 0; j <= v; j++) {
            //选择第 i 件物品的数量为 k
            for (int k = 0; k * vi[i] <= j; k++)
                dp[i][j] = Math.max(dp[i][j], dp[i - 1][j - k * vi[i]] + k * wi[i]);
        }
    }
    System.out.println(dp[n][v]);
}

观察 dp[i] [j] 可得

故，上述代码可以优化为：

//二维数组，两重循环
private static void allBackpacker(int n, int v, int[] vi, int[] wi) {
    int[][] dp = new int[n + 1][v + 1];
    //只是用前i件物品，包括第i件
    for (int i = 1; i <= n; i++) {
        //体积为j
        for (int j = 0; j <= v; j++) {
            //不使用这个物品
            dp[i][j] = dp[i - 1][j];
            //使用这个物品
            if (j >= vi[i])
                //由于 j 是递增的，所以j - vi[i] 会在j 之前被计算
                dp[i][j] = Math.max(dp[i][j], dp[i][j - vi[i]] + wi[i]);
        }
    }
    System.out.println(dp[n][v]);
}

根据 01背包 ，可知，能够利用滚动数组，把二维数组优化为一维的。

由于在计算 dp[i] [j] ,的过程中，只用到了 第 i 个物品，并没有用到第 i-1 个物品，故可以将 dp 直接优化为一维数组。

优化如下：

//一维数组
private static void allBackpacker(int n, int v, int[] vi, int[] wi) {
    int[] dp = new int[v + 1];
    for (int i = 1; i <= n; i++) {
        //j小于vi[i]的部分，会在其他物品循环的时候，被计算到
        for (int j = vi[i]; j <= v; j++) {
            //dp方程都跟第i层有关，所以，可以直接转化为一维
          //dp[i][j] = Math.max(dp[i][j], dp[i][j - vi[i]] + wi[i]);
            dp[j] = Math.max(dp[j], dp[j - vi[i]] + wi[i]);
        }
    }
    System.out.println(dp[v]);
}

这里，我们可以推出一个一般性的结论，如果dp在计算过程中， 体积 j 用到了上一层（即 i-1 层）中比 j 小的dp 值，那么 j 应该 从大到小，进行遍历。因为，如果 j 从小到大，进行遍历的话，在一维数组中，会将上一层dp 的值覆盖掉。否则，则应该从小到大进行遍历。
感谢您的阅读！