完全背包

https://www.cnblogs.com/Kalix/p/7622102.html

先看问题：在n种物品中选取若干件（同一种物品可多次选取）放在空间为v的背包里，每种物品的体积为c1，c2，…，cn，与之相对应的价值为v1,v2，…，vn.求解怎么装物品可使背包里物品总价值最大

看完这个问题，你也许会觉得这个不就是01背包的升级版吗，其实就是这样，完全背包问题与01背包问题的区别在于完全背包每一件物品的数量都有无限个，而01背包每件物品数量只有1个

所以说与它相关的策略已经不是只有取和不取这两种策略了，而是有取0件、取1件、取2件……等等很多种策略

如果我们用和01背包一样的状态，f[i][w]表示前i种物品恰放入一个容量为w的背包的最大价值，那我们应该用k表示当前容量下可以装第i种物品的件数，那么k的范围应该是0≤k≤w/c[i]，

既然要用当前物品i把当前容量装满，那需要0≤k≤w/c[i]件，其中k表示件数。

下面给出状态转移方程：

f[i][j] = max{f[i][j],f[i-1][j - k * c[i]] + k * v[i]}(0<=k*c[i]<=w)

 

贴一段代码：

 

1 2 3 4 5 6 7 8 9 10

for (int i = 1; i < n; i++){    for (int j = 1; j <= w; j++){      for (int k = 0; k*c[i] <= j; k++){ 　　  if(c[i]<=j)/*如果能放下*/ 　　  f[i][j] = max{f[i][j],f[i-1][j - k * c[i]] + k * v[i]};/*表示前i-1种物品中选取若干件物品放入剩余空间为j-k*v[i]的背包中所能得到的最大价值加上k件第i种物品的总价值*/   　 　else/*放不下的话*/ 　　 f[i][j]=f[i-1][j]/*继承前i-1个物品在当前空间大小时的价值*/       }    } }

我们可以对其进行优化：如果有两件物品a、b满足c[a]<=c[b]且v[a]>=v[b]，则将物品b去掉，不用考虑。因为你可以用 占用体积小的物品 得到 比 占用体积大的物品还要多的价值，何乐而不为呢。其实对于完全背包，可以再优化，首先将容量大于w的物品去掉，然后排序计算出容量相同的物品中价值最高的是哪个，我们只要价值大的就可以了。

画一个w=6，c[1]=1 , v[1]=3 ; c[2]=3 , v[2]=10的表格

i\j			j=0	j=1	j=2	j=3	j=4	j=5	j=6
i=0			0	0	0	0	0	0	0
i=1			0	3	6	9	12	15	18
i=2			0	3	6	10	13	16	20

以上算法可以理解成：dp每一种物品在不同剩余容量下的最优解，他是以每1种做单位的，每一种物品可以包含若干个该物品。考虑是否在该种物品中添加一件新的该物品

我们再进行优化，改变一下dp思路

我们可以把把完全背包问题转化为01背包问题来解，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。

即：将一种物品拆成多件物品。

我们现在dp每一个物品，dp出该种物品在不同剩余容量下的最优解，他是以每1个为单位的。考虑是否在当前所有物品总数中添加一件新的该物品

我们用i代表前i种物品，w代表包的最大承重，c[i]是第i种物品消耗的空间、v[i]是第i种物品的价值、f[i,j]是最大价值(从前i种物品取若干件放入有j个剩余空间的包)。

如果不放那么f[i][j]=f[i-1][j]

如果确定放，那么f[i][j]=f[i][j-c[i]+v[i]]，为什么会是f[i][j-c[i]]+v[i]？

因为我们要考虑的是在当前基础上添加一件物品i。

就是说如果你放第i种物品，并不牵扯到第i-1种物品，所以不管你放多少件，都要在第i种商品的基础上操作

所以说递推式为：

f[i][j]=max(f[i-1][j],f[i][j-c[i]]+v[i])

该代码：

1 2 3 4 5 6 7 8

for (int i = 1; i <= n; ++i) {     for (int j = 1; j <= w; ++j) {         if (c[i] <= j)             f[i][j] = max(f[i - 1][j],f[i][j - c[i]] + v[i]);         else             f[i][j] = f[i - 1][j];     } }

 我们可以继续优化此算法，可以用一维数组写

我们先回顾01背包为什么写1维要逆序？

因为为了避免要使用的子状态收到影响。

那我们该如何写完全背包的1维优化呢？

答案是：顺序

因为第i种物品一旦出现，原来没有第i种物品的情况下可能有一个最优解，现在第i种物品 出现了，而它的加入有可能得到更优解，所以之前的状态需要进行改变，故需要正序。

所以说递推式是这样子的：

f[j] = max(f[j],f[j-c[i]]+v[i])

贴出代码：

 

1 2 3 4 5

for (int i = 1; i <= n; ++i) {     for (int j = c[i]; j <= w; ++j) {         f[j] = max(f[j], f[j - c[i]] + v[i]);     } }