dp入门之完全背包

前言

动态规划一直是算法内容里比较优美的解决方法，他是一种思想。

一、问题导入

二、问题分析

前面我们了解了，01背包的问题，当时的思想是，对于第i个物品的考虑情况，分为二个集合，选第i个物品和不选第i个物品，二种情况。且每种物品只能用一次。
__完全背包__问题中物品为无限个，也就是对于第i个物品可以选n个（0<=n）。

1.朴素做法

#include<iostream>
using namespace std;
const int N = 1010;
int f[N][N];
int v[N],w[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++)
    {
        for(int k = 0 ; k*v[i]<=j ; k++)
            f[i][j] = max(f[i][j],f[i-1][j-k*v[i]]+k*w[i]);
    }

    cout<<f[n][m]<<endl;
}

2.柿子简化＋一维优化

已知：
f[i , j ] = max( f[i-1,j] , f[i-1,j-v]+w , f[i-1,j-2v]+2w , f[i-1,j-3v]+3w , …)
令j＝j-v：
f[i , j-v]= max( f[i-1,j-v] , f[i-1,j-2v] + w , f[i-1,j-2v]+2*w , …)
由上两式，可得出如下递推关系：
== f[i , j ]=max（f[i-1,j]，f[i,j-v]+w）==
在01背包中我们进行过1位优化，同样，这里也可以进行等价变形，做优化。
观察 f[i , j ]=max（f[i-1,j]，f[i,j-v]+w）， f[i , j ]由f[i-1,j]以及f[i,j-v]+w递推而来，若改成一维的话，i是当前状态数组，i-1是上一层状态。

故，状态转移方程为：f[j] = max(f[j],f[j-v[i]]+w[i]);，并且i循环从小到大。（f【i，j】状态由当前i一维数组状态更新）

#include <iostream>
using namespace std;
const int N=1010;
int f[N];//用于记录状态的滚动数组
int v[N],w[N];//每类物品的体积和价值
int main()
{
    int n,m;//物品种类和背包容量
    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=v[i];j<=m;j++)//由小到大循环，
    f[j]=max(f[j],f[j-v[i]]+w[i]);
    cout<<f[m];
    return 0;
}