完全背包问题的思路解析

【算法分析】
背包问题，求解的是“将某些种物品装入背包，......”，而不是求解“将某些个物品装入背包，......”的问题。切记。

完全背包问题，类似于0-1背包问题，依然是求解“将哪些种物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大”。故依然可设 c[i][j] 为将前 i 种物品装入容量为 j 的背包中所获得的最大价值，vol[i] 为第 i 中物品的体积，val[i] 为第 i 种物品的价值。但由于其特殊性，即在完全背包问题中的每种物品有无限多个，而0-1背包问题中的每种物品只有一个，故在利用“最后一步法”构建完全背包问题的状态转移方程时，针对第 i 种物品，可能会选择0，1，2，... ，k个（k*vol[i]<=j）。之所以会选到 k 个，而不是无限多个，原因在于虽然完全背包问题中每种物品都有无限多个，但受到背包容量的限制，只可能装有限个。

完全背包问题的视频讲解可参考：https://www.bilibili.com/video/BV16F411M7CU
思路详见下图：

​​

可见依据上图的分析思路，则完全背包问题的代码将会有三重循环，必然导致代码复杂度增加。同时，这也必然会导致时间复杂度剧增，有可能会TLE。因此，需要进行优化。

将完全背包问题的状态转移方程写在下方： 
c[i][j]=max(c[i-1][j],c[i-1][j-vol[i]]+val[i], ..., c[i-1][j-(k-1)*vol[i]]+(k-1)*val[i], c[i-1][j-k*vol[i]]+k*val[i])，令 j=j-vol[i]，并考虑到 k*vol[i]<=j，则有
c[i][j-vol[i]]=max(c[i-1][j-vol[i]],c[i-1][j-vol[i]-vol[i]]+val[i], ..., c[i-1][j-vol[i]-(k-1)*vol[i]]+(k-1)*val[i])
                 =max(c[i-1][j-vol[i]],c[i-1][j-2*vol[i]]+val[i], ..., c[i-1][j-k*vol[i]]+(k-1)*val[i])
推出完全背包问题的状态转移方程 c[i][j]=max(c[i-1][j], c[i][j-vol[i]]+val[i])，这样就优化为二维了。

类比于0-1背包问题的状态转移方程 c[i][j]=max(c[i-1][j],c[i-1][j-vol[i]]+val[i]) 优化为一维的思路，可在上面优化为二维的基础上，进一步得出完全背包问题的一维优化形式：
 c[j]=max(c[j], c[j-vol[i]]+val[i])，满足 i:1~n，j:1~V 且 j>=vol[i]

若要从代码模板的角度来看的话，完全背包问题的代码只需要将0-1背包问题的一维实现代码的内层循环改为从 vol 到 V 进行遍历便可。即将0-1背包问题的一维实现中的内层循环 for(int j=V;j>=vol;j--) 改为 for(int j=vol;j<=V;j++) ，便为完全背包的代码实现。是不是有点废O(∩_∩)O哈哈~

【算法代码】

#include<bits/stdc++.h>
using namespace std;
 
const int maxn=1005;
int c[maxn];
 
int main() {
	int n,V;
	cin>>n>>V;
 
	for(int i=1;i<=n;i++){
		int vol,val;
		cin>>vol>>val;
		for(int j=vol;j<=V;j++)
			c[j]=max(c[j],c[j-vol]+val);
	}
 
	cout<<c[V]<<endl;
 
	return 0;
}
 
 
/*
in:
4 5
1 2
2 4
3 4
4 5

out:
10
*/

【参考文献】
https://blog.csdn.net/hnjzsyjyj/article/details/126126183
https://www.bilibili.com/video/BV16F411M7CU
https://www.acwing.com/problem/content/description/3/
https://blog.csdn.net/hnjzsyjyj/article/details/125987923