0-1背包和完全背包问题

分析：0-1背包和完全背包问题的区别在于前者同一种物品最多选一次，而后者同一种物品可多次选取。
二维数组算法
我们使用B[i][j]表示从前i件物品中选出若干件物品放在容量为j的背包中，所得的最大价值，可以得到二者的状态方程分别为：
0-1背包问题：B[i][j] = B[i-1][j]，其中j < W[i]；或者B[i][j] = max(B[i-1][j], B[i-1][j-W[i]] + P[i])，其中j >= W[i]。
完全背包问题：B[i][j] = B[i-1][j]，其中j < W[i]；或者B[i][j] = max(B[i-1][j], B[i][j-W[i]] + P[i])，其中j >= W[i]。
二者状态方程的区别在于：
0-1背包问题中，若取了1件第i个物品，则总容量变为j-W[i]，剩下的只能在前i-1件物品中去取了，其最大总价值为B[i-1][j-W[i]] + P[i]；
完全背包问题中，若取了1件第i个物品，则总容量变为j-W[i]，剩下的仍可以在前i件物品中去取，其最大总价值为B[i][j-W[i]] + P[i]；
一维数组优化算法。
0-1背包问题：B[i][j] = max(B[i-1][j], B[i-1][j-W[i]] + P[i])，即第i行第j列的元素，由第i-1行的元素决定，且列坐标j大的元素由j小的元素决定，
若我们用一维数组F[j]代替B[i][j]，则只记录了列坐标，未记录行坐标，在同一行中，必须先求出列坐标较大的元素，再求列坐标小的元素，
这样先改变的是下标j较大的元素，且其不会影响j小的元素。故在内层循环中，应该让循环变量j的值从大到小递减。
完全背包问题：B[i][j] = max(B[i-1][j], B[i][j-W[i]] + P[i])，即第i行第j列的元素，可能是等于第i-1行第j列的元素，
也可能由第i行第j-W[i]列的元素决定，故必须先求出同一行中列坐标j较小的元素，用来计算j较大的元素。
若我们用一维数组F[j]代替B[i][j]，则只记录了列坐标，未记录行坐标，在同一行中，必须先求出列坐标j较小的元素，再求j大的元素，
故在内层循环中，应该让循环变量j的值从小到大递增（与0-1背包问题刚好相反）。
总结：二者的状态方程很相似，区别在于B[i][j]是由上一行的较小列坐标决定，还是由同一行的较小列坐标决定，使用二维数组记录最优解时，
我们可以直接根据状态方程求B[i][j]，因为同时记录了元素的行坐标和列坐标值，故无论内层循环的循环变量j是递增还是递减，都不影响计算结果。
但是，若使用一维数组F[j]代替B[i][j]，则只记录了列坐标，未记录行坐标，需要考虑先改变列坐标j较大的元素还是j较小的元素。
在0-1背包问题中，须先求出列坐标j较大的元素，故让循环变量j的值从大到小递减；
而完全背包问题中，须先求出列坐标j较小的元素，故让循环变量j的值从小到大递增。
–以上摘自
作者：QiaoRuoZhuo
原文：https://blog.csdn.net/qiaoruozhuo/article/details/76167137
我个人对于一维数组下顺序逆序的理解：首先要明确每一次一个一维数组的意义，在未赋值前他们其实都是i-1中存储的数据，若逆序就先当于都是调用了i-1的数据，若顺序循环，则相当于调用的都是第i的数据，即重复考率物品的放入，理解这一点至少我对于两种类型的背包初步理解了，再次感谢原作者的详解，受益匪浅。