《算法笔记》读书记录DAY_59

CHAPTER_11  提高篇(5)——动态规划

11.7.3 完全背包问题

完全背包问题叙述如下：

有n种物品，每种物品的单件重量为w[i]，价值为c[i]。现有一个容量为V的背包，问如何选取物品放入背包，使得背包内物品的总价值最大。其中每种物品有无数件。其中所有数据都为正整数。

可以看出，完全背包和01背包问题的唯一区别在于每种物品的数量有无数件。因此我们的动态规划策略也要做出一些改变。

令dp[i][v]表示前 i 件物品恰好放入容量为v的背包中能获得的最大价值。对每种物品，同样有两种策略：

（1）不放第 i 件物品，那么dp[i][v]=dp[i-1][v]，这和01背包中的策略相同。

（2） 放第 i 件物品。这里的处理和01背包有所不同，因为每种物品数量无限，选择放第 i 件物品后并不是转移到dp[i-1][v-w[i]]状态，而是转移到dp[i][v-w[i]]。放了第 i 件物品后还可以继续放它，直到所剩空间v-w[i]无法大于等于0为止。

由此状态转移方程如下：

边界：dp[0][v]=0。

至此，我们已经能够写出完全背包的代码，这里不再给出代码，只需参考01背包的二维数组实现方法，将状态转移部分做修改即可。

同样地，在完全背包中我们也可以用滚动数组来降低空间复杂度。写成一维形式后与01背包相同，唯一的区别在于v的枚举必须是正向的，这与01背包相反。

for(int i=1;i<=n;i++) {
    for(int v=w[i];v<=V;v++) {
        dp[v]=max(dp[v],dp[v-w[i]]+c[i]);
    }
}