与01背包问题不同点在于
01背包问题,每个物品只能取一次
完全背包问题,每个物品可以取无限次
状态表示:dp[i][j] 考虑前i个物品,选择的体积不超过j的最大价值
集合:所有考虑前i个物品,选择的体积不超过j的所有集合
边界:都为0
集合划分/状态计算:
通过对最后一个不同点进行划分,可以分为不重不漏的多个子集
- 没有选第i个物品,dp[i][j]=max(..,dp[i-1][j])
- 选了第i个物品 dp[i][j]=max(...,dp[i-1][j-v[i]]+w[i],dp[i-1][j-2*v[i]]+2*w[i]].....)
朴素版
for(int i=1;i<=n;i++)
for(int j=0;j<=m;j++)
{
for(int k=0;k*v[i]<=j;k++)
dp[i][j]=max(dp[i][j],dp[i-1][j-k*v[i]]+k*w[i]);
}
我们可以看到这样子的时间复杂度最坏是O(n^3),所以需要优化
优化
优化分为两种 时间优化 和 空间优化
时间优化
时间优化的思路是减少重复的操作
这里的重复操作在于
如果我们每次j+=v[i],都要重新枚举一遍黄色的部分,这样子的时间复杂度太高了,而且没有用
那么我们如何确保,在所有子集可以被枚举的时候,又降维减小时间复杂度呢?
对于重复的部分不需要重新枚举,因为前面的dp[i][j-v[i]]已经枚举过了
此时的dp[i][j-v[i]]就是前面所有子集的最大值
所以:让dp[i][j]=max(dp[i-1][j],dp[i][j-v[i]+w[i]) 就可以了
分别代表两个子集
- 所有选了第i个物品的集合
- 所有没有选第i个物品的集合
时间复杂度优化版本如下
for(int i=1;i<=n;i++)
for(int j=0;j<=m;j++)
{
dp[i][j]=dp[i-1][j];
if(j>=v[i])
dp[i][j]=max(dp[i][j],dp[i][j-v[i]]+w[i]);
}
空间优化
由01背包问题的思想来想,其实我们思考完全背包问题如何来优化
01背包问题:
由于前面所有子集的值不能丢失,所以j是从后往前依次枚举的
完全背包问题:
由于前面所有子集的值不能丢失,经过时间优化,我们发现前面两个子集的值,其实就是
- dp[i-1][j]
- dp[i][j-v[i]]+w[i]
只需要保证这两个值不丢失就行了,所以其实可以发现,从前往后枚举体积就可以了
#include <iostream>
#include <algorithm>
using namespace std;
const int N=1005;
int v[N],w[N];
int dp[N];
int main()
{
int n,m;
cin>>n>>m;
for(int i=1;i<=n;i++)
cin>>v[i]>>w[i];
for(int i=1;i<=n;i++)
for(int j=0;j<=m;j++)
{
if(j>=v[i])
dp[j]=max(dp[j],dp[j-v[i]]+w[i]);
}
cout<<dp[m];
return 0;
}