完全背包详解

     背景：有N种物品和一个容量为V的背包， 每种物品都有无限件可用。第i种物品的费用是c[i]，价值是w[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量，且价值总和最大。

    我们注意看红字部分，完全背包与01背包的不同之处在于每件物品有无限个，故而对于完全背包策略要从 选与不选转变为 选几件（0，1，2，.....）的问题
    如果依然按照解01背包的思路，那我们获得的状态转移方程： f[i][v]=max{f[i-1][v-k*c[i]]+k*w[i] | 0<=k*c[i]<= v}
虽然总共的求解状态还是V*N个，但是每个求解状态的 时间复杂度已经不是常数级别了。

故而我们要加以改进他

• 优化：
  完全背包问题有一个很简单有效的优化，是这样的：若两件物品i、j满足c[i]<=c[j]且w[i]>=w[j],则将物品j去掉,不用考虑。这个优化的正确性显然:任何情况下都可将价值小费用高得j换成物美价廉的i，得到至少不会更差的方案。对于随机生成的数据，这个方法往往会大大减少物品的件数，从而加快速度。然而这个并不能改善最坏情况的复杂度，因为有可能特别设计的数据可以一件物品也去不掉。
  转化为01背包问题求解

 

•  转化为01背包：

        既然01背包问题是最基本的背包问题，那么我们可以考虑把完全背包问题转化为01背包问题来解。最简单的想法是，考虑到第i种物品最多选V/c [i]件，于是可以把第i种物品转化为V/c[i]件费用及价值均不变的物品，然后求解这个01背包问题。这样完全没有改进基本思路的时间复杂度，但这毕竟给了我们将完全背包问题转化为01背包问题的思路：将一种物品拆成多件物品。
        更高效的转化方法是：把第i种物品拆成费用为c[i]*2^k、价值为w[i]*2^k的若干件物品，其中k满足c[i]*2^k<V。这是二进制的思想，因为不管最优策略选几件第i种物品，总可以表示成若干个2^k件物品的和。这样把每种物品拆成O(log(V/c[i]))件物品，是一个很大的改进。

       

    * O(VN)的算法 ：

    这个算法使用一维数组，先看伪代码： 

for i=1..N 
  for v=0..V 
    f[v]=max{f[v],f[v-c[i]]+w[i]};

你会发现，这个伪代码与01的伪代码只有v的循环次序不同而已。为什么这样一改就可行呢？

首先想想为什么01中要按照v=V..0的逆序来循环。这是因为要保证第i次循环中的状态f[i][v]是由状态f[i-1][v-c[i]]递推而来。换句话说，这正是为了保证每件物品只选一次，保证在考虑“选入第i件物品”这件策略时，依据的是一个绝无已经选入第i件物品的子结果f[i-1][v-c[i]]。而现在完全背包的特点恰是每种物品可选无限件，所以在考虑“加选一件第i种物品”这种策略时，却正需要一个可能已选入第i种物品的子结果f[i][v-c[i]]，所以就可以并且必须采用v= 0..V的顺序循环。这就是这个简单的程序为何成立的道理。