背包问题学习总结

      怎么说呢，刚刚写了一大堆，但是没有保存，现在很难受(눈_눈)(눈_눈)，下次再也不能用记事本写东西了！天杀的一加！
      好，现在切入正题，背包问题最基本的就是0-1背包。题目描述:有N件物品和一个容量为V的背包。第i件物品的费用是c[i]，价值是w[i]。求解将哪些物品装入背包可使价值总和最大。
      利用二维数组f[i][v]来表示放第i件物品在容量为v的背包中的价值。
      状态转移方程：f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]+w[i]}
      仔细观察不难发现，第i件物品的状态只与第i-1件有关，因此可以将问题优化到一维f[i][v]是由f[i-1][v]和f[i-1] [v-c[i]]两个子问题递推而来，能否保证在推f[i][v]时（也即在第i次主循环中推f[v]时）能够得到f[i-1][v]和f[i-1] [v-c[i]]的值呢？事实上，这要求在每次主循环中我们以v=V..0的顺序推f[v]，这样才能保证推f[v]时f[v-c[i]]保存的是状态 f[i-1][v-c[i]]的值。
      伪代码如下：
      for i=1..N 
         for v=V..0    
             f[v]=max{f[v],f[v-c[i]]+w[i]};
    其中v不一定必须以0为结尾，还可以是当前消耗的容量c[v]。       
     另外一个比较基础的背包问题就是完全背包问题，它与0-1背包的唯一不同之处就是物品的选择是没有限制的。         
    如果仍然按照解 01背包时的思路，令f[i][v]表示前i种物品恰放入一个容量为v的背包的最大权值。仍然可以按照每种物品不同的策略写出状态转移方程，像这样：
    f[i][v]=max{f[i-1][v-k*c[i]]+k*w[i]|0<=k*c[i]<=v}                   同样可以优化成一维，
    for i=1..N  
      for v=0..V     
         f[v]=max{f[v],f[v-cost]+weight}   
    v是正序递增的。这刚好可以满足重复选物品的需求，也是区别于0-1背包问题的不同之处。      
    背包问题最大的特点就是可以灵活套用，只需要根据情况增加一些限制，不同的限制就是不同的背包问题，难得是找准对应关系。        
    明天放假了，还是很开心的，虽然刚才一不小心删除了自己辛辛苦苦码好的字，假期没打算放松，既然选择了ACM也就告别了休息，对自己最近几天的学习状态不是很满意，开始浮躁，时间安排也乱七八糟，比如今天就没有做题，很是懊恼。还有就是大学生编程竞赛，自己不敢去参加啊，一是英文水平不行，二是对自己的能力信心不足，离开了网络和老师，自己能否独立面对题目。一直以来都是踩着别人的脚印做题，很多东西不完全属于自己，是选择重在参与还是出则惊人，还在犹豫。