背包九讲(2)——完全背包

问题引入

---

有$n$种物品每种无限个，第$i$个物品的体积为$v_i$，价值为$w_i$，选一些物品装入到容量为$C$的背包中，使得背包内物品在不超过容量$C$的情况下价值和尽量大

从DAG模型到完全背包

---

DAG模型，紫书有介绍，我从紫书开始学的动态规划

硬币问题

问题描述：有$n$种硬币，面值分别为$V_1$,$V_2$,…,$V_n$，每种无限多。给定一非负整数$S$，可以选用多少个硬币使得面值之和恰好为$S$？输出硬币数目的最大值($1<=n<=100,0<=S<=1000,1<=V_i<=S$)

本题本质上也是DAG上的路径问题，将每种面值看做一个点，表示还需凑足的面值，则考虑逆推，初始状态为$S$，目标状态为$0$。若存在状态$i$，每使用一个硬币$j$，状态便转移到$i-V_j$

和$01$背包的二维版本类似，本题也有两种枚举方法：

顺序枚举

常写此种方法

很明显此问题的面值和是影响决策的主要因素，因此设$f[i]$为从$1\to i$考虑每种面值和，当前面值和为$i$时最大的硬币数量，考虑动态规划子问题的最优性，显然f[i]的状态是可以由$f[i-v[j]]$转移而来

int f[maxn],v[maxn];

memset(f,0x8f,sizeof f);  //前面01背包提到了，这里是终点确定的DAG(背包)
f[0]=0;
for(int i=1;i<=S;i++)
	for(int j=1;j<=n;j++)
		if(i>=v[j]) f[i]=max(f[i]+f[i-v[j]]+1);
cout<<f[S]<<endl;

逆序递推

设$f[i]$为从$n\to i$考虑每种面值和，当前面值和为$i$时最大的硬币数量，$f[i]$的状态是可以由$f[i+v[j]]$转移而来

int f[maxn],v[maxn];

memset(f,0x8f,sizeof f);
f[S]=0;
for(int i=S-1;i>=0;i--)
	for(int j=1;j<=n;j++)
		if(i+v[j]<=S) f[i]=max(f[i]+f[i+v[j]]+1);
cout<<f[0]<<endl;

完全背包

不难发现硬币问题实际上就是将DAG模型从无权变成了带权，问题变成了求以$C$为起点，终点任意边权之和最大的路径，相较于硬币问题，唯一的变动只是将$+1$改为$+w[j]$

代码以上述的顺序枚举为例：

int v[1005],w[1005],f[1005];

cin>>n>>C;
for(int i=1;i<=n;i++) cin>>v[i]>>w[i];
for(int i=1;i<=C;i++)
    for(int j=1;j<=n;j++){
        if(i>=v[j]) f[i]=max(f[i],f[i-v[j]]+w[j]);
    }
cout<<f[C]<<endl;

实际上上面两个循环的次序是可以交换的：

• 如果背包容量是第一个循环，那么含义是：枚举每个较小的容量$i$，将$n$个背包的状态转移之后，后面较大的容量$k$状态转移时依赖于$f[k-v[j]]$，而较小容量的状态已经对应在背包无限的情况下的最优方案，$f[V]$即为最终答案

• 如果背包容量是第二个循环，那么含义是：枚举每种物品，查看在容量$1\to V$下每个状态下可以装的最优方案，其中$f[j-v[i]]$既可以是当前种类下拿多个转移而来，也可以是之前若干种物品每种拿若干个（可以为$0$）转移而来，因此对应了所有方案的最优解，$f[V]$即为最终答案

此处还优化了输入，边输入边计算

int f[1005];

cin>>n>>C;
for(int i=1,v,w;i<=n;i++){
	cin>>v>>w;
    for(int j=v;j<=C;j++)
        f[j]=max(f[j],f[j-v]+w);
}
cout<<f[C]<<endl;

从01背包到完全背包

---

在网上看博客和视频，发现$01$背包和完全背包存在的千丝万缕的联系

首先如果我们考虑由$01$背包直接转化为完全背包，可以考虑增加一个循环，枚举到每个物品选择不超过当前容量的最大数量，熟悉了$01$背包后不难发现这样是正确的：

for(int i=1,v,w;i<=n;i++){
	cin>>v>>w;
	for(int j=m;j>=v;j--)
		for(int k=0;k*v<=j;k++)
			f[j]=max(f[j],f[j-k*v]+k*w);

}

对于每个较小的$f[j-k\ast v]$，我们所用到的都只是上一个状态$f(i-1,j-k\ast v)$而不包括当前的第$i$个物品，那么如果优化的话，显然是让$f(i,j-k\ast v)$这个状态先更新包括第i个物品的状态就行了

我们看$01$背包最后的滚动数组代码：

int f[1005];

for(int i=1,v,w;i<=n;i++){
	cin>>v>>w;
	for(int j=C;j>=v;j--){  	//这里必须逆序
		f[j]=max(f[j],f[j-v]+w);
	}
}

再看上面最后推导的完全背包代码：

int f[1005];

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

已经很明显了，唯一的差别是对于容量$j$的枚举，$01$背包必须是逆序，相反完全背包必须是顺序

在$01$背包那里有句很重要的话：后面列的更新依赖于前面的列却不影响前面的列。拿上面说的这句话：$f[j-v[i]]$既可以是当前种类下拿多个转移而来，也可以是之前若干种物品每种拿若干个（可以为$0$）转移而来，因此对应了所有方案的最优解，$f[V]$即为最终答案

这里讲的有点绕，确实比较难懂。笔者也是蒟蒻，因此如果想知道规范的证明，参考下面的数学归纳法证明（参考了B站评论）

1. 假设在前$i-1$个物品中，$f[j]$都是正确的

2. 在前$i$个物品中，对于某个$j$而言，如果最优解包含$k$个$v[i]$，则一定会枚举到$f[j-k\ast v[i]]$，$f[j-k\ast v[i]]$是如何得到的呢？ f [ j − k ∗ v [ i ] ] = m a x { f [ j − k ∗ v [ i ] ] , f [ j − k ∗ v [ i ] − v [ i ] ] + w [ i ] } f[ j-k*v[i] ]=max\{ f[ j-k*v[i] ],f[ j-k*v[i]-v[i] ] + w[i] \} f[j−k∗v[i]]=max{f[j−k∗v[i]],f[j−k∗v[i]−v[i]]+w[i]} ，(由于$j$正序，$f[j-k\ast v[i]]$为前$i-1$个物品的值，$f[j-k\ast v[i]-v[i]]$为前$i$个物品的值)，最后会传递到 m a x { f [ v [ i ] ] , f [ 0 ] + w [ i ] } max\{ f[ v[i] ],f[ 0 ] + w[i] \} max{f[v[i]],f[0]+w[i]}处。因为$f[v[i]]$一定正确(①中已假设前$i-1$个物品中的$f[j]$全都正确)，$f[0]$一定正确($f[0]=0$)， $w[i]$一定正确，所以：

   m a x { f [ v [ i ] ] , f [ 0 ] + w [ i ] } max\{ f[ v[i] ] , f[0] + w[i] \} max{f[v[i]],f[0]+w[i]}一定正确 $⟹$ $f[j-k\ast v[i]]$一定正确 $⟹$ $f[j]$一定正确

3. 综上，证明成立。

模板题

ACwing完全背包

#include <bits/stdc++.h>
#include <unordered_map>
#include <unordered_set>

using namespace std;
#define fi first
#define se second
#define pb push_back
#define ins insert
#define Vector Point
#define ENDL "\n"
#define lowbit(x) (x&(-x))
#define mkp(x, y) make_pair(x,y)
#define mem(a, x) memset(a,x,sizeof a);
typedef long long ll;
typedef long double ld;
typedef unsigned long long ull;
typedef pair<int, int> pii;
typedef pair<ll, ll> pll;
typedef pair<double, double> pdd;
const double eps = 1e-8;
const double pi = acos(-1.0);
const int inf = 0x3f3f3f3f;
const double dinf = 1e300;
const ll INF = 1e18;
const int Mod = 1e9 + 7;
const int maxn = 2e7 + 10;

int d[1005][1005], f[1005];

int main() {
    //freopen("in.txt","r",stdin);
    //freopen("out.txt","w",stdout);
    ios_base::sync_with_stdio(0), cin.tie(0), cout.tie(0);
    int n, C;
    cin >> n >> C;

    for (int i = 1, v, w; i <= n; i++) {
        cin >> v >> w;
        for (int j = v; j <= C; j++) {
            f[j] = max(f[j], f[j - v] + w);
        }
    }
    cout << f[C] << endl;
    return 0;
}