刷题日寄2023.1.6（背包问题）

只学了01背包、完全背包、多重背包、分组背包这几种。

各背包问题的化简思路

背包问题用的数组可以从二维压缩为一维。压缩为一维时，01背包递推是从高到低（如j--），完全背包是从低到高（如j++)，这是从他们的递推关系式得出的。需要考虑低容积用到的是前i-1种还是前i种。一旦用递推式更新，那么当前的f[j]就是考虑到了前i种（假设没更新前只是考虑了前i-1种物品）。循环时，j从高到低减少，那么小于j的所有f都是只考虑到了前i-1种的，符合01背包的递推式；j从低到高增加，那么小于j的所有f都是考虑了前i种的，符合完全背包的递推式。分组背包的一维优化也可以用这个思路来考虑。

前面3种背包问题是对空间进行了优化，而多重背包可以对时间进行优化。具体方法是2进制拆分，把k个相同物品拆成几堆（二级制拆分，保证了这几堆可以选其中的几堆组合成0到k中的所有数字的个数），再把这几堆视为新的不同的物品，再用01背包的思路解决。

线性时间上的背包问题

例子就是洛谷上的P1853（投资的最大收益）和P1095（守望者的逃离）。拿P1853来说，每一年的收益都是一个背包问题，而背包容量就是前一年的本金加上收益，每一年之间的联系实际上并不强烈，用年数作为最外层的循环，每一次循环都需要用到memset函数把背包的数组给清空。而对于P1095来说，每一秒也是在做背包问题，（这里的价值是距离，容积是蓝量，而物品则是可以进行的三个操作，而回蓝操作所占的容积应为-4），但是与P1853不同的是，当前秒数与上一秒之间的联系更紧，因为价值（也就是距离）与上一秒的价值（也就是距离）有关，每一秒循环后不用清空背包的数组。

总的来说，这类问题就是背包问题一种“特殊的叠加”，需要以时间在最外层再套一层循环。