0-1背包和完全背包问题_0-1背包和背包问题的区别-CSDN博客

本文链接：https://blog.csdn.net/ruizhi51/article/details/76067562

0-1背包

问题描述：一个背包总容量为V，现在有N个物品，第i个物品体积为weight[i]，价值为value[i]，现在往背包里面装东西，怎么装能使背包的内物品价值最大？
看到这个问题，可能会想到贪心算法，但是贪心其实是不对的。例如最少硬币找零问题，要用动态规划。动态规划思想就是解决子问题并记录子问题的解，这样就不用重复解决子问题了。

0-1未优化

动态规划先找出子问题，我们可以这样考虑：在物品比较少，背包容量比较小时怎么解决？用一个数组f[i][j]表示，在只有i个物品，容量为j的情况下背包问题的最优解，那么当物品种类变大为i+1时，最优解是什么？第i+1个物品可以选择放进背包或者不放进背包（这也就是0和1），假设放进背包（前提是放得下），那么f[i+1][j]=f[i][j-weight[i+1]]+value[i+1]；如果不放进背包，那么f[i+1][j]=f[i][j]。
这就得出了状态转移方程：
f[i+1][j]=max(f[i][j],f[i][j-weight[i+1]+value[i+1])
实现代码：

import java.util.Scanner;
/**
 * @author sxq
 *测试数据:
 5 10
 2 6 
 2 3 
 6 5
 5 4
 4 6
 ans = 15
 */
public class Main {
    public static void main(String[] args) {
        // TODO Auto-generated method stub
        Scanner cin = new Scanner(System.in);
        final int N = cin.nextInt();//物品数量
        final int M = cin.nextInt();//最大承重
        int [] weight = new int[N + 1];
        int [] value = new int[N + 1];
        for(int i = 1 ; i <= N ; i ++) {
            weight[i] = cin.nextInt();
            value[i] = cin.nextInt();
        }
    //0-1背包     solution1
        int [][] f = new int [N + 1][M + 1];
        for(int i = 1 ; i <= N ;  i ++) {
            for(int j = 1 ; j <= M ; j ++) {
                if(weight[i] <= j ) {
                    f[i][j] = Math.max(f[i-1][j], f[i-1][j - weight[i]] + value[i]);
                }else {
                    f[i][j] = f[i-1][j];
                }
            }
        }
        System.out.println(f[N][M]);
    }
}

0-1内存优化

在hihocoder上面还讲到可以进一步优化内存使用。上面计算f[i][j]可以看出，在计算f[i][j]时只使用了f[i-1][0……j]，没有使用其他子问题，因此在存储子问题的解时，只存储f[i-1]子问题的解即可。这样可以用两个一维数组解决，一个存储子问题，一个存储正在解决的子问题。
再进一步思考，计算f[i][j]时只使用了f[i-1][0……j]，没有使用f[i-1][j+1]这样的话，我们先计算j的循环时，让j=M……1，只使用一个一维数组即可。
for i=1……N
for j=M……1
f[j]=max(f[j],f[j-weight[i]+value[i])
代码：

import java.util.Scanner;
/**
 * @author sxq
 *
 *测试数据
 5 10
 2 6 
 2 3 
 6 5
 5 4
 4 6
 ans = 15
 */
public class Main {
    public static void main(String[] args) {
        // TODO Auto-generated method stub
        Scanner cin = new Scanner(System.in);
        final int N = cin.nextInt();//物品数量
        final int M = cin.nextInt();//最大承重
        int [] weight = new int[N + 1];
        int [] value = new int[N + 1];
        for(int i = 1 ; i <= N ; i ++) {
            weight[i] = cin.nextInt();
            value[i] = cin.nextInt();
        }
    //0-1背包     solution2
        int [] f = new int[M+1];
        for (int i=1; i<=N; i++)  {
            for (int j=M; j>=1; j--) {
                if(weight[i] <= j ) {
                    f[j] = Math.max(f[j], f[j-weight[i]] + value[i]);
                }
            }
        }
        System.out.println(f[M]);
    }
}

完全背包

问题描述：一个背包总容量为V，现在有N个物品，第i个物品体积为weight[i]，价值为value[i]，每个物品都有无限多件，现在往背包里面装东西，怎么装能使背包的内物品价值最大？
对比一下，看到的区别是，完全背包问题中，物品有无限多件。往背包里面添加物品时，只要当前背包没装满，可以一直添加。那么状态转移方程为：
f[i+1][j]=max(f[i][j-k*weight[i+1]]+k*value[i+1])，其中0<=k<=V/weight[i+1]
使用内存为一维数组，伪代码
for i=1……N
for j=1……M
f[j]=max(f[j],f[j-weight[i]+value[i])
和01背包问题唯一不同的是j是从1到M。01背包问题是在前一个子问题（i-1种物品）的基础上来解决当前问题（i种物品），向i-1种物品时的背包添加第i种物品；而完全背包问题是在解决当前问题（i种物品），向i种物品时的背包添加第i种物品。
实现代码：

import java.util.Scanner;
/**
 * @author sxq
 *测试数据
 5 10
 2 6 
 2 3 
 6 5
 5 4
 4 6
 ans = 30
 */
public class Main {
    public static void main(String[] args) {
        // TODO Auto-generated method stub
        Scanner cin = new Scanner(System.in);
        final int N = cin.nextInt();//物品数量
        final int M = cin.nextInt();//最大承重
        int [] weight = new int[N + 1];
        int [] value = new int[N + 1];
        for(int i = 1 ; i <= N ; i ++) {
            weight[i] = cin.nextInt();
            value[i] = cin.nextInt();
        }
        //完全背包
        int [] f = new int[M+1];
        for (int i=1; i<=N; i++)  {
            for (int j=1; j <= M; j++) {
                if(weight[i] <= j ) {
                    f[j] = Math.max(f[j], f[j-weight[i]] + value[i]);
                }
            }
        }
        System.out.println(f[M]);
    }
}