动态规划之背包问题

1、问题描述
已知:有一个容量为V的背包和N件物品，第i件物品的重量是weight[i]，收益是cost[i]。
条件:每种物品都有无限件，能放多少就放多少。
问题:在不超过背包容量的情况下，最多能获得多少价值或收益

2、看到这个问题，可能会想到贪心算法，但是贪心其实是不对的。例如最少硬币找零问题，要用动态规划。动态规划思想就是解决子问题并记录子问题的解，这样就不用重复解决子问题了。所以贪心用到的情况真的很少很少的感觉，以前老把这两个弄混。

3、01背包与完全背包

　　01背包就是有N件物品，不重复的，每个只能取一次，而完全背包就是每件物品都有一定数量数量，有多少就可以拿多少。
　　
4、01背包问题
　　状态转换方程 f[i,j] = Max{ f[i-1,j-Wi]+Pi( j >= Wi ), f[i-1,j] }

　　f[i,j]表示在前i件物品中选择若干件放在承重为 j 的背包中，可以取得的最大价值。
　　Pi表示第i件物品的价值。
　　决策：为了背包中物品总价值最大化，第 i件物品应该放入背包中吗 ？
　　

　　首先要明确这张表是至底向上，从左到右生成的。

　　为了叙述方便，用e2单元格表示e行2列的单元格，这个单元格的意义是用来表示只有物品e时，有个承重为2的背包，那么这个背包的最大价值是0，因为e物品的重量是4，背包装不了。也就是选择ｃ，那么物品只有c,d,e选择ｂ，物品就是b,c,d,e。

　　对于d2单元格，表示只有物品e，d时,承重为2的背包,所能装入的最大价值，仍然是0，因为物品e,d都不是这个背包能装的。

　　同理，c2=0，b2=3,a2=6。

　　对于承重为8的背包，a8=15,是怎么得出的呢？

　　根据01背包的状态转换方程，需要考察两个值，

　　一个是f[i-1,j],对于这个例子来说就是b8的值9，另一个是f[i-1,j-Wi]+Pi；

在这里。

　　f[i-1,j]表示我有一个承重为8的背包，当只有物品b,c,d,e四件可选时，这个背包能装入的最大价值

　　f[i-1,j-Wi]表示我有一个承重为6的背包（等于当前背包承重减去物品a的重量），当只有物品b,c,d,e四件可选时，这个背包能装入的最大价值

　　f[i-1,j-Wi]就是指单元格b6,值为9，Pi指的是a物品的价值，即6

　　由于f[i-1,j-Wi]+Pi = 9 + 6 = 15 大于f[i-1,j] = 9，所以物品a应该放入承重为8的背包。
　　也就是我们判断每一个物品要不要放的情况，都是判断不放这个最后的价值多少，假设放进去，前面剩下的空间最大的价值加上这个物品的价值是多少，比较两个的大小，判断这个物品是否需要放进去。
　　

    #include<iostream>  
    using namespace std;   
    unsigned int f[10];
    unsigned int weight[10];  
    unsigned int value[10];  
    #define  max(x,y)   (x)>(y)?(x):(y)  
    int main()  
    {  

        int N,M;  
        cin>>N;//物品个数  
        cin>>M;//背包容量  
        for (int i=1;i<=N; i++)  
        {  
            cin>>weight[i]>>value[i];  
        }  
       for (int i=1; i<=N; i++)  
       　　for (int j=M; j>=weight[i]; j--)    
       　　　　f[j] = max(f[j], f[j-weight[i]]+value[i]);  

        cout<<f[M]<<endl;//输出最优解  

    }  

5、完全背包问题
　　转化方程：f[i][j] = max(f[i-1][j],f[i - K * W[i]] + K * Pi); 其中 1 <= K * weight[i] <= v,(v指此时背包容量)
　　同样意思是，找出不加这个物品所能装的最大价值，和减去k个新物品质量用前几个物品的最大价值加上k个新物品的最大价值相比较，得出最高价值的。也就是比01背包问题多了一个k个新物品而已。

    #include<iostream>  
    using namespace std;  
    #define  V 1500  
    unsigned int f[V];//全局变量，自动初始化为0  
    unsigned int weight[10];  
    unsigned int value[10];  
    #define  max(x,y)   (x)>(y)?(x):(y)  
    int main()  
    {  

        int N,M;  
        cin>>N;//物品个数  
        cin>>M;//背包容量  
        for (int i=1;i<=N; i++)  
        {  
            cin>>weight[i]>>value[i];  
        }  
        for (int i=1; i<=N; i++)  
            for (int j=weight[i]; j<=M; j++)  
               f[j] = max(f[j], f[j-weight[i]]+value[i]);  

        cout<<f[M]<<endl;//输出最优解  

    }  

　　这里我们可以看出完全背包问题与01背包的算法在j的取值循环上有一点区别，可以这样理解，都是物品数量增加这是外面的大循环，然后看01背包的算法，从M到weight[i]，如果加入新物品价值高就取，那么无论j怎么取，这个f[j]里永远只有一个新物品，因为质量从大到小，每次f[j-weight[i]]肯定是没有新物品在里面的，所以所有的选择都是一次。然后看完全背包的，从weight[i]到M，当j增加的时候，比如新物品质量是2，那么f[2]里可能放入了新物品，那么f[4]，就可能放入两次新物品。一切就理清楚了哈哈哈，记录下来，说不定晚上又混了。。。。