0/1背包与完全背包

0/1背包与完全背包

背包问题的描述：
有N件物品和一个最多能被重量为W 的背包。第i件物品的重量是weight[i]，得到的价值是value[i] 。每件物品只能用一次，求解将哪些物品装入背包里物品价值总和最大。
第i件物品假设为：nums[i]。
这是最基础的0/1背包问题
求解方法：
状态假设：设dp[i][j]表示前i件物品在重量为j的背包中的最大价值
状态转移方差：
不选第i件物品：
dp[i][j] = dp[i - 1][j].
选第i件物品：
dp[i][j] = dp[i - 1][j - weight[i]] + value[i]
dp[i][j] = max(dp[i - 1][j],dp[i - 1][j - weight[i]] + value[i])
代码：

for(int i = 0; i < weight.length; i++) { // 遍历物品
    for(int j = 0; j <= bagWeight; j++) { // 遍历背包容量
        if (j < weight[i]) dp[i][j] = dp[i - 1][j]; 
        else dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
    }
}

优化：将二维dp转成一维dp
代码：

 for(int i = 0;i < nums.length;i++){
    for(int j = bagWeight;j >= nums[i];j--){
        dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
    }
 }

为什么可以这样子呢，而且为什么要逆序呢？

在第i - 1层时要更新到第i层时，dp[j]与上一层的dp[j]和dp[j - x]有关。
因此在更新dp[j]的时候需要保证dp[j - x]还没有更新，因此需要进行逆序更新。

完全背包问题
完全背包与0/1背包的区别就是：完全背包选择的第i件物品可以是重复选择的，但是0/1背包每件物品只能选择一次。
完全背包中的状态转移方程变成：
dp[i][j] = max(dp[i - 1][j],dp[i][j - weight[i]] + value[i])
与0/1背包的区别在于
选择第i件物品时完全背包是: dp[i][j - weight[i]] + value[i]
0/1背包是dp[i - 1][j - weight[i]] + value[i]
因为完全背包可以重复选，因此在当前层选择第i件物品时，该物品可以在以前被选择过的。
代码为：

 for(int i = 0;i < nums.length;i++){
    for(int j = nums[i];j <= bagWeight;j++){
        dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
    }
 }

这个时候就变成了正序更新：

因为dp[j - x]需要先从第i - 1层更新到第 i 层，因此需要正序更新。

完全背包问题还有两类不同的问题：
组合和排列。
组合不考虑顺序，但是排列需要考虑
也就是说在组合问题中[1,5]和[5,1]是一种，但是在排列问题中这是两种。
这两种问题对应leetcode518和377
先上代码：
组合：

for(int x:nums){
   for(int i = x;i <= target;i++){
       dp[i] += dp[i - x];
   }
}

排列：

for(int i = 0;i <= target;i++){
   for(int x : nums){
      if(i - x >= 0) dp[i] += dp[i - x];
   }
}

组合问题的外层循环是物品，内层循环是重量
排列问题的外层循环是重量，内层循环是物品。
我是这么理解的，外层循环是物品，那么在计算dp[i][j]时物品顺序是定下来的。
而如果把物品放在内层循环那么就成为了计算目标j时用上了所有物品，物品顺序不定。
有点绕，这个还是需要好好理解。