第一章 动态规划 背包问题之完全背包问题

背包问题题谱

1、完全背包问题

1.问题描述

有 N 种物品和一个容量是 V 的背包，每种物品都有无限件可用。第 i 种物品的体积是 vi，价值是 wi。
求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。输出最大价值。

输入格式
第一行两个整数，N，V，用空格隔开，分别表示物品种数和背包容积。
接下来有 N 行，每行两个整数 vi,wi，用空格隔开，分别表示第 i 种物品的体积和价值。

输出格式
输出一个整数，表示最大价值。

数据范围
0<N,V≤1000
0<vi,wi≤1000
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例：
10

要点

1. 每种物品都有无限个
2. 总体积不超过V
3. 总价值最大

2. 分析

按照第i个物品选几个将集合进行划分。
按照上面的图可以这样表示出

1. 第i种物品1件物品都不选 f[i - 1][j]
2. 第i种物品选1件 f[i - 1][ j - v[i]] + w[i]
3. 第i种物品选2件 f[i - 1][ j - v[i] * 2] + w[i] * 2
4. …
5. 第i种物品选k件 f[i - 1][ j - v[i] * k] + w[i] * k

问题的属性是 最大值，则f[i,j]可以表示如下

$f[i,j]=max(f[i-1][j],f[i-1][j-v[i]]+w[i],f[i-1][j-v[i]\ast 2]+w[i]\ast 2,f[i-1][j-v[i]\ast 3]+w[i]\ast 3,...f[i-1][j-v[i]\ast k]+w[i]\ast k)$ (1)

我们观察（2）式如下
$f[i,j-v[i]]=max(f[i-1][j-v[i]],f[i-1][j-v[i]\ast 2]+w[i],f[i-1][j-v[i]\ast 3]+w[i]\ast 2,...f[i-1][j-v[i]\ast k]+w[i]\ast (k-1))$(2)

将（2）式代入（1）式有
$$f[i,j]=max(f[i-1][j],f[i,j-v[i]]+w[i])$$

3.代码

与01背包问题的基础问题一样，f[i,j]也可以使用一维数组进行表示

#include<iostream>
#include<algorithm>
using namespace std;
const int N = 1010;
int w[N],v[N],f[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 ++)
    {
    	//f[j] = max(f[j],f[j - v[i]] + w[i]);
    	//其原本的代码是f[i][j] = max(f[i-1][j],f[i][j - v[i]] + w[i])
    	//可以看到，f[j]需要的是i层的f[j - v[i]进行更新
    	//这里要从小到大进行遍历，由于j - v[i] < j，所以会先于j进行更新，更新后f中存储的f[j - v[i]]就是第i层的了，这正是我们想要的。此时j由于小于j - v[i]，还是i - 1层的。
    	for(int j = v[i]; j <= m; j ++)
        {
            f[j] = max(f[j],f[j - v[i]] + w[i]);
        }
    }
    cout << f[m];
}