单调队列优化的背包问题

01背包问题 ，完全背包问题 ，多重背包问题

在背包问题中，01背包、完全背包和多重背包是三种常见的类型。这些问题通常可以通过动态规划（DP）来解决，但在某些情况下，我们可以使用更高级的技术如单调队列来优化算法，特别是针对完全背包和多重背包问题。不过，需要注意的是，01背包问题由于其物品只能选取一次的特性，通常不直接通过单调队列来优化。

01背包问题

01背包问题中，每种物品只有一件，你可以选择放或不放这件物品到背包中。这是最基本的背包问题，通常使用一维DP数组来解决。

状态转移方程：

dp[j]=max(dp[j],dp[j−w[i]]+v[i])

其中，dp[j] 表示容量为 j 的背包能装的最大价值，w[i] 和 v[i] 分别是第 i 件物品的重量和价值。

完全背包问题

完全背包问题中，每种物品都有无限件，你可以选择放0件、1件、2件...直到放不下为止。这个问题可以通过一维DP和单调队列来优化。

一维DP解法（非单调队列优化）：

dp[j]=max(dp[j],dp[j−w[i]]+v[i])

但注意循环顺序与01背包不同，需要从 j=w[i] 到 j=W。

单调队列优化：
对于完全背包问题，我们可以利用单调队列来优化状态转移的过程，特别是在处理连续物品选择时。这种方法通常用于处理更复杂的情况，如物品价值随选择次数变化等。

多重背包问题

多重背包问题中，每种物品都有有限件（多于一件但少于无限），你可以选择放0件、1件、...、c[i] 件（c[i] 是第 i 种物品的数量）。这个问题可以通过二进制拆分或单调队列（结合多重背包的二进制拆分或单调队列的变种）来优化。

二进制拆分：
将每种物品拆分成多个物品，每个物品的数量为2的幂次（除了最后一个可能不是），然后转化为01背包问题。

单调队列优化（结合二进制拆分或更复杂方法）：
对于多重背包，单调队列的优化通常与二进制拆分或其他技术结合使用，以在特定情况下减少状态转移的计算量。

总结

• 01背包：通常使用一维DP解决，不直接通过单调队列优化。
• 完全背包：可以使用一维DP解决，并可通过单调队列进一步优化。
• 多重背包：常通过二进制拆分转化为01背包，或使用更复杂的单调队列变种进行优化。

单调队列优化的核心思想是利用队列的单调性来减少不必要的状态转移计算，这在处理连续选择或具有特定性质的问题时特别有效。然而，实现起来相对复杂，需要根据具体问题具体分析。