完全背包问题（3）

1 问题

(此题来源于郭炜《算法基础与在线实践》，结合教材和自己体会所写）

1.2 问题描述

有N种物品，背包容积为M。每种物品都有对应的体积和价值，分别为w和d。每个物品可以取多次，其他参见01背包问题，01背包问题每种物品至多可以取1次，其他和完全背包问题一样。

通俗来讲，假设小黑去超市购物，购物车大小一定，每个商品的价值和大小都不一样，问怎样装购物车装满的情况下物品总价值最大。01背包问题就是每种物品至多拿一个，而完全背包问题是每种物品可以拿多个。

2 代码编写

#include <iostream>
#include <algorithm>
using namespace std;

struct Good{        //物品结构体
    int w;          //物品体积
    int d;          //价值
};

void test(){
        int N,M;    //N物品种类，M背包容量
        cin>>N>>M;
        Good* Goods = new Good[N+1];
        int*  F     = new int[M+1];
        for(int i = 1;i <= N;i++){    //为了方便，角标从1开始
            cin>>Goods[i].w>>Goods[i].d;
        }

        for(int i = 0;i <= M;i++){    //初始化背包
            F[i] = 0;
        }

        for(int i = 1;i <= N;i++){
            for(int j = 1;j <= M;j++){
                //这个地方循环不同，由小到大编写，而在01背包中是由大到小
                if(Goods[i].w <= j)
                    F[j] = max(F[j],F[j-Goods[i].w]+Goods[i].d);
            }
        }
        cout<<F[M]<<endl;
}

int main()
{
    test();
    return 0;
}

3 问题分析

分析思路和01背包问题一样，唯一不同的是完全背包问题的物品可以取多次或者不取。内层循环遍历是，要从小到大for(int i = 1;i <= M;i++){xxx}。

分析一下极端情况，假设有三个物品，（1，10），（2，10），（3，10），分别代表三个物品的体积和价值，背包的容积是3，则在01背包问题种，最大价值为20（分别取第1和第2个物品），而在完全背包问题种，价值最大为30（第1个物品取三次，价值达到最大）。

1 完全背包问题时，内层循环（即遍历背包容积时）按照升序排列，背包容积在较小时已经被更新，到背包容积较大时，因为有F[j] = max(F[j], F[j - Goods[i].w]+Goods[i].d)，则此时的背包价值再次增大，相当于外层循环的第i个物品被再次添加进来，也就是默认了一个物品可以被添加多次，刚好满足完全背包问题的情况。

2 01背包问题时，内层循环按降序排列，背包的容积从大到小进行遍历，当背包容积较大时，F[j] = max(F[j], F[j - Goods[i].w]+Goods[i].d)，若将第i个物品添加进来，则访问第F[j-Goods[i].w]，需要容积较小时的背包来确定容积较大时的背包，此时背包由大到小，容积小的还没有被更新，也就是还没有添加第i个物品，而到容积较小时，价值可由更小容积的背包确定，而较大容积的背包不会影响到较小背包。总之，这样就保证了第i个物品至多被添加一次，刚好满足01背包问题的条件。

3 总之，在遍历背包的不同容积时，较大容积的价值受较小容积的价值影响，若由小到大遍历，对于第i个物品，可以多次更新较大容积的背包，相当于第i个物品被添加了多次，符合完全背包问题；若由大到小遍历，小背包不会受到大背包价值的影响，这样保证了第i个物品至多影响一次背包价值的更新，也就相当于第i个物品至多被添加一次，符合01背包问题。