01背包，完全背包，混合背包详解

01背包，完全背包，多重背包详解

01背包

01背包就是给n个物体，每个物体都有代价w[i] 和 价值 v[i];

给定一个容量为t的背包，每个物体只能选一次装入背包，所能得到的最大价值是多少

动态规划就是找状态转移方程，

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

dp[ i ] [ j ] 表示从前 i 个物品中挑选物品放入容量为 j 的背包可以获得的最大价值。

就是在当前状态有两种选择；

1. 不选择当前物品 ：即当前的i个物品在容量为j的背包里的最大价值就等于前i-1个物品在容量为j的背包里的最大价值 dp[i] [j]=dp[i-1] [j]

2. 选择当前物品 ：那当前的i个物品在容量为j的背包里的最大价值就等于前i-1个物品在容量为j-w[i]的背包里的最大价值加上当前物品的价值 dp[ i ] [ j ]=d[ i - 1 ] [ j - w[ i ] ]+v[ i ]

代码

for(int i=1;i<=n;i++){
cin>>w[i]>>v[i];
for(int j=1;j<=t;j++){
    if (j < w[i])
		 dp[i][j] = dp[i - 1][j];
	else
         dp[i][j]=max(dp[i-1][j],dp[i-1][j-w[i]]+v[i]);
}
}

将二维优化为一维

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

从上式中可以看出dp[i] []只与dp[i-1] [] 有关，所以可以进行优化为一维

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

for(int i=1;i<=n;i++){
cin>>w[i]>>v[i];
for(int j=t;j>=w[i];j--){
dp[j]=max(dp[j],dp[j-w[i]]+v[i]);
}
}

逆序是因为每一个物品只能选一次，如果正序遍历，则前面的值将有可能被修改掉，从而导致后面（dp [j-w[i]], j-w[i] 等于前面改变的那个值）要用到这个值的数据的错误；相反如果逆序遍历，先修改后面的数据再修改前面的数据，此种情况就不会出错了；这个时候就可以联系到完全背包了，因为完全背包是可以选无限次，可以不断修改，所以就是正向了。

初始化

1. 背包需完全填满

   那么在初始化时除了dp[0]为0其它均设为- $\infty$ （- $\infty$ 即没有方案满足要求）这样就可以保证最终得到的是一种恰好装满背包的最优解。那么这是为什么呢，如果最终有方案满足背包完全填满，那么dp[0]就存在，初始化dp数组事实上就是在没有任何物品可以放入背包时的合法状态。如果要求背包恰好装满，那么此时只有容量为0的背包可能被价值为0的物品恰好装满”，所以其它容量的背包均没有合法的解，属于未定义的状态，它们的值就都应该是-$\infty$ 了。

2. 背包不需完全填满

   如果背包并非必须被装满，那么任何容量的背包都有一个合法解“什么都不装”，这个解的价值为0，所以初始时 状态的值也就全部为0了

​

回溯找最优解选了哪些物品

1. dp[i] [j]=dp[i-1] [j] 时，说明没有选择第i 个商品，则回到dp[i-1] [j]；
   2. dp[i] [j]=dp[i-1] [j-w[i]]+v[i]时，说明装了第i个商品，该商品是最优解组成的一部分，随后我们得回到装该商品之前，即回到dp[i-1] [j-w[i]] 的位置。
   　　　3. 一直遍历到i＝0结束为止，所有解的组成都会找到。

< https://www.luogu.com.cn/problem/P1048 > 采药 模板题

完全背包

有n种物品和一个容量为t的背包，每一种物品都有无限件可用。每一种物品都有代价w[i]和价值v[i]。求解将哪些物品放入背包可使这些物品的费用总和不超过背包容量，且价值总和最大。

两种状态转移方程

1. dp[i] [j]=max( dp[i-1] [j] , dp[i-1] [j-k$\times$w[i]]+k$\times$v[i];
2. dp[i] [j]=max(dp[i-1] [j],dp[i-1] [j-w[i]]+v[i] ) //优化后

完全背包样式和01背包的很相似，唯一不同的是对V遍历时变为正序，而01背包为逆序。01背包中逆序是因为dp[i] []只和dp[i-1] []有关，且第i件的物品加入不会对dp[i-1] [ ]状态造成影响。而完全背包则考虑的是第i种物品的出现的问题，第i种物品一旦出现它势必应该对第i种物品还没出现的各状态造成影响。也就是说，原来没有第i种物品的情况下可能有一个最优解，现在第i种物品出现了，而它的加入有可能得到更优解，所以之前的状态需要进行改变，故需要正序。

for(int i=1;i<=n;i++){
cin>>w[i]>>v[i];
for(int j=w[i];j<=t;j++){
dp[j]=max(dp[j],dp[j-w[i]]+v[i]);
}
}

< https://www.luogu.com.cn/problem/P1616 > 疯狂的采药 模板题

多重背包

有n种物品和一个容量为t的背包，第i种物品最多有n[i]件可用，每件费用是w[i],价值是v[i]。求解将哪些物品装入背包价值最大。

多重背包和完全背包又很相似，一个是选无限次，一个是选有限次。

状态转移方程

dp[i] [j] = max(dp[i-1] [j] , dp[i-1] [j-k$\times$w[i]]+k$\times$v[i]); (0=<k<=n[i])

直接用这个状态转移方程时间复杂度就有点高了 （t$\times$$\sum n[i]$）

我们可以对其进行优化，其实也挺好想，就是将它拆成01背包来求，比如说第2种物品有3件，那我们可以把这三件物品当成不同的物品放入01背包。但是又有一个问题，那就是怎么拆。一个一个的拆？那样时间复杂度显然没变还是（t$\times$$\sum n[i]$） 。

正确的拆法是用二进制来拆，具体看代码

	int cnt=1;
	cin>>n>>t;
	for(int i=1;i<=n;i++){
		scanf("%d%d%d",&a,&b,&s);//a表示当前物品的代价，b表示价值，s表示数量
		int m=1;
		while(m<=s){
			s-=m;
			w[cnt]=m*a,v[cnt++]=m*b;//分成用每次乘二表示的数打包成一件物品成一项加入数组
			m*=2;
		}
		if(s>0){
			w[cnt]=s*a,v[cnt++]=s*b;//剩下的单成以项，加入数组
		}
	}
//下面就是01背包
	for(int i=1;i<cnt;i++){
		for(int j=t;j>=w[i];j--){
				dp[j]=max(dp[j],dp[j-w[i]]+v[i]);
		}
	}

< https://www.luogu.com.cn/problem/P1776 > 宝物筛选