问题背景
以0-1背包作为讨论(完全背包和多重背包问题可以转化为0-1背包),如果问题要求我们对于一个给定了背包容量、物品费用的背包问题,除了在给定每个物品的价值后求可得到的最大价值外,还要求得到装满背包或将背包装至某一指定容量的方案总数,此时我们应该如何求解问题?
0-1背包回顾
作为一个典型的动态规划问题,我们可以设一个二维数组dp[i][j],其语义为我们选前i件物品,使得其总重量加起来不超过j时,可以得到的最大价值。也就是说,我们的容量j将分配给i个物品,但事实上,我们是不管这i个物品是否真的将容量j用完的。(第一次接触这个问题的时候,可能对dp数组的语义难以理解,但请努力思考一下,这是至关重要的)。
有了dp数组的定义,我们就可以依据一般的动态规划策略,写出其状态转移方程。动态规划,是子问题的最优解可以推出原问题的最优解,这里有两个含义:
- 子问题可独立求解
- 一定可以用递推的方式求解规模更大的问题
由dp数组的定义,我们不难写出递推方程(也就是状态转移方程):
d p [ i ] [ j ] = m a x ( d p [ i − 1 ] [ j ] , d p [ i − 1 ] [ j − w i ] + v i ) dp[i][j]=max(dp[i-1][j],dp[i-1][j-w_i]+v_i) dp[i][j]=max(dp[i−