完全背包问题

完全背包问题

有n种重量和价值分别为wi和vi的物品。从这些物品中挑选总重量不超过W的物品，求出挑选物品加之总和的最大值。每种物品可以挑选任意多件。

动态规划

……个人感觉此问题有点贪心算法的意思…… 求解完全背包问题，首先要了解01背包问题

1.01背包问题（每种物品只有一件）

设置dp[i][j]:=从0到i-1这i个物品中选出总重量不超过j的物品时总价值最大值

初始： dp[0][j]=0
递推式： $$dp[i][j]=\{\begin{array}{ll}dp[i-1][j]& \text{w[i-1]>j}\\ max(dp[i-1][j],dp[i-1][j-w[i-1]]+v[i-1])& \text{其他}\end{array}$$

由此可推出完全背包问题的公式

2.完全背包问题方法一

同样设dp[i][j]:=从0到i-1这i个物品中选出总重量不超过j的物品时的总价值最大值

初始： dp[0][j]=0
递推式： dp[i][j]=max{dp[i-1][j-k * w[i-1]]+v[i-1] | k*w[i-1]<=j}

设整数k
当k * w[i-1]<=j时，dp[i][j]有0到k这k+1种方案，从中取最大

示例：
n=3,W=7;
{w,v}={{3,4}{4,5}{2,3}}

dp数组如图：

举个栗子：
（3,7)的方案有：
(2,7)，这个方案没有选择物品2就已经将限重用完
(2,5)+3，这个方案挑选了一个物品2
(2,3)+2 * 3,这个方案挑选了两个物品2
(2,1)+3 * 3，…… ……
最后（3,7）在这4个方案中选一个最大的

三重循环，时间复杂度为O（nW^2）

#include"stdio.h"
#include"stdlib.h"
#define MAX 100

int dp[MAX][MAX];
int n,W;
int w[MAX], v[MAX];

int max(int a, int b) {
	return a > b ? a : b;
}

void solve() {
    //初始化矩阵为0
	for (int i = 0; i <= n; i++)
		for (int j = 0; j <= W; j++)
			dp[i][j] = 0;
	for (int i = 1; i <= n; i++)
		for (int j = 0; j <= W; j++)
			for (int k = 0; k*w[i - 1] <= j; k++) {
				dp[i][j] = max(dp[i][j], dp[i - 1][j - k*w[i - 1]] + k*v[i - 1]);
			}
}

int main() {
	scanf_s("%d%d", &n, &W);
	for (int i = 0; i < n; i++) {
		scanf_s("%d%d", &w[i], &v[i]);
	}
	solve();
	printf("%d", dp[n][W]);
	system("pause");
}

3.完全背包问题方法二

上述算法中存在多余的计算:
在例举dp[i][j]的方案时，选择k个i-1物品，与在dp[i][j-w[i-1]]中，选择k-1个物品的情况相同
举个栗子：
（3,5)的方案：
（2,5),没挑选物品2
（2,3)+3,挑选了一个物品2
（2,1)+2 * 3,挑选了2个物品2

与上述(3,7)的方案相比:
(3,7)比比(2,5)多了一个方案(2,7);
其余方案均比(2,5)多加3.

于是（3,7）=max（（2,7），（2,5)+3 ）

递推式：
$$dp[i][j]=\{\begin{array}{ll}dp[i-1][j]& \text{w[i-1]>j}\\ max(dp[i-1][j],dp[i][j-w[i-1]]+v[i-1])& \text{其他}\end{array}$$

将上述solve函数改为如下
时间复杂度为O(nW)

void solve() {
	for (int i = 0; i <= n; i++)
		for (int j = 0; j <= W; j++)
			dp[i][j] = 0;
	for (int i = 1; i <= n; i++)
		for (int j = 0; j <= W; j++)
		{
			if (w[i-1] > j)
				dp[i][j] = dp[i - 1][j];
			else
				dp[i][j] = max(dp[i - 1][j], dp[i][j - w[i - 1]] + v[i - 1]);
		}
}