完全背包问题及其优化

完全背包问题是常见的背包算法问题，特征为每个物体的数目为无穷个，进行最大值获取

朴素解法如下;

	for(int i = 1; i <= n; i++) {
			for(int j = 1; j <= m; j++) {
				for(int k = 0; k <= j / v[i]; k++) {
					dp[i][j] = Math.max(dp[i][j],dp[i - 1][j - k * v[i]] + k * w[i]);
				}
			}
		}

该解法可以解决部分问题，但是时间复杂度较高，在算法题中容易TLE，故一般进行优化

优化策略如下：

经过推导可得：

dp[i][j] = max(dp[i-1][j],dp[i-1][j-v[i]] + w[i],dp[i-1][j-2*v[i]] + 2w[i]) + dp[i-1][j-k*v[i]] + kw[i])

dp[i][j-v[i]] = max(dp[i-1][j-v[i],dp[i-1][j-2v[i]] + w[i],dp[i-1][j-3*v[i]] + 2w[i]) + dp[i-1][j-k*v[i]] + kw[i])

 可得：

dp[i][j] = max(dp[i-1][j],d[i][j-w[i]] + v[i])

即时间优化解法为：

for(int i = 1; i <= n; i++) {
			for(int j = 1; j <= m; j++) {
				dp[i][j] = dp[i - 1][j];
				if(j >= v[i]){
				    dp[i][j] = Math.max(dp[i][j],dp[i][j - v[i]] + w[i]);
				}
			}
		}

还可进行空间优化：

策略如下：由于进行循环时，只需要进行本轮外层循环的数据，故可以直接进行正序循环保留

即可得：

		for(int i = 1; i <= n; i++) {
			for(int j = v[i]; j <= m; j++) {
				dp[j] = Math.max(dp[j],dp[j - v[i]] + w[i]);
			}
		}

例题和解析如下：

有 NN 种物品和一个容量是 VV 的背包，每种物品都有无限件可用。

第 ii 种物品的体积是 vivi，价值是 wiwi。

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，VN，V，用空格隔开，分别表示物品种数和背包容积。

接下来有 NN 行，每行两个整数 vi,wivi,wi，用空格隔开，分别表示第 ii 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≤10000<N,V≤1000
0<vi,wi≤10000<vi,wi≤1000

输入样例

4 5
1 2
2 4
3 4
4 5

输出样例：

10

解题代码如下:

 

import java.io.BufferedReader;
import java.io.InputStreamReader;

public class Main {
	
	static int[] v;
	static int[] w;
	static int[]dp;
	
	public static void main(String[] args) throws Exception{
		BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
		
		String[] s= br.readLine().split(" ");
		int n = Integer.parseInt(s[0]);
		int m = Integer.parseInt(s[1]);
		v = new int [n + 1];
		w = new int [n + 1];
		dp = new int [m + 1];
		
		for(int i = 1; i <= n; i++) {
			s = br.readLine().split(" ");
			v[i] = Integer.parseInt(s[0]);
			w[i] = Integer.parseInt(s[1]);
		}
		
		for(int i = 1; i <= n; i++) {
			for(int j = v[i]; j <= m; j++) {
				dp[j] = Math.max(dp[j],dp[j - v[i]] + w[i]);
			}
		}
		System.out.println(dp[m]);
	}

}