Dynamic Programming之完全背包
01背包与完全背包的比较:
在0/1背包问题中,第 i 件物品只可以放0个或者1个,即选择或者不选。而在完全背包问题中,第 i 件物品可以放入0,1,2…个。即每件物品可以放入无限多次。
与0/1背包相同的是,最大价值是物品数量 i 与背包容量 j 的函数。最终的最大价值就是物品数量 i 从0增长到n,背包容量 j 从0增长到m时的 f [ n ] [ m ] 函数值。f[ i ][ j ]表示前 i 件物品放入容量为 j 的背包的最大价值。
①若当前物品的重量大于背包的容量,即 w[ i ] > j 。则该物品不能放入 。f [ i ][ j ] 更新为 f [ i - 1] [ j ]。
②若当前物品的重量小于背包的容量,即 w[ i ] < j 。则第 i 件物品可以放入背包,但需要考虑代价,故分放入和不放入两种情况。
(1)第 i 件物品不放入背包。f [ i ][ j ] = f [ i - 1] [ j ]
(2)第 i 件物品放入背包。f[ i ][ j ] = f[ i ][ j - w [ i ] ] + price[ i ]
完全背包的状态转移方程
例题
有 N 种物品和一个容量是 V 的背包,每种物品都有无限件可用。
第 i 种物品的体积是 vi,价值是 wi。
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,V,用空格隔开,分别表示物品种数和背包容积。接下来有 N 行,每行两个整数 vi,wi,用空格隔开,分别表示第 i
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 ≤ 1000
0 < vi,wi ≤ 1000
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例:
10
AC代码
#include <cstdio>
#include <cstring>
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 1010;
int f[N][N];//二维数组
int v[N];//价值数组
int w[N];//重量数组
int main(){
int n,m;
scanf("%d%d",&n,&m);
//初始化重量和价值数组
for (int i = 1;i <= n;i++) scanf("%d%d",&w[i],&v[i]);
//用i遍历物品,用j遍历背包的容量
for (int i = 1;i <= n;i++){
for (int j = 1;j <= m;j++){
//状态转移方程
if (j < w[i]) f[i][j] = f[i - 1][j];
else f[i][j] = max(f[i - 1][j],f[i][j - w[i]] + v[i]);
}
}
printf("%d\n",f[n][m]);
}
比较0/1和完全背包状态转移方程
- 0/1背包
for (int i = 1;i <= n;i++)
for (int j = m;j >= 1;j--)//j:注意要从后往前枚举(逆推)
if (j >= w[i]) dp[j] = max(dp[j],dp[j - w[i]] + v[i]);//放得下
- 完全背包
for (int i = 1;i <= n;i++)
for (int j = 1;j <= m;j++)//j:注意要从前往后枚举(顺推)
if (j >= w[i]) dp[j] = max(dp[j],dp[j - w[i]] + v[i]);//放得下