[算法与数据结构] - No.13 动态规划之完全背包

我们之前的那篇文章学习了什么是01背包，01背包的DP二维实现，DP一维实现。在这篇文章中我们学习完全背包问题：

完全背包和01背包的区别在于，01背包每个物品只有一个，所以每个物品只有装和不装两个选择，但是在完全背包中，每个物品数量都是无穷个，所以可以随便选取。即：

有 N 种物品和一个容量为 V 的背包，每种物品都有无限件可用。放入第 i 种物品的费用是 Ci，价值是 Wi。求解：将哪些物品装入背包，可使这些物品的耗费的费用总
和不超过背包容量，且价值总和最大

我们找到的状态转移方程为：

F [i，v] = max { F [i − 1，v − kCi] + kWi | 0 ≤ kCi ≤ v } 

我们将上面的k分别选为0 和1，即为我们的01背包的状态转换式。同理，我们的完全背包也可以写为一维数组实现：

F [0...V ] 0
for i = 1 to N
for v = Ci to V
F [v] = max(F [v]，F [v − Ci] + Wi)

不知大家注意到没有，在01背包中，我们为了保证F [v] 是由之前的F [i − 1，v − Ci]递推而来，而不是F [i ，v − Ci]递推而来（其实就是防止在背包中多次放入一个物品），我们对于容量v的遍历是从后往前的逆序（详见本文）

但是，在这里，我们是从前往后的顺序，因为没有了物体只有一个的约束：

我们还以采药的题目（5938: 【基础背包入门3】第二次 采药）为例子：

#include <iostream>
using namespace std;


int main()
{
    int dp[1002];
    int v[120];
    int w[120];
    int T,M;
    while(cin >>T>>M&&T>0&&M>0)
    {
        for(int i = 1; i<=M; i++)
        {
            cin>>v[i]>>w[i];
        }
        for(int j = 0; j<=T; j++)
        {
            dp[j] = 0;
        }
        for(int i = 1; i <= M; i++)
        {

            for(int j = 0; j<=T; j++)
            {
                if(j>=v[i]&&dp[j]<dp[j-v[i]]+w[i])
                {
                    dp[j] = dp[j-v[i]]+w[i];
                }
            }
        }
        cout<<dp[T]<<endl;
    }
    return 0;
}

所以，在背包中，我们推荐使用一维数组的实现形式，简单又好记

P.S.文章不妥之处还望指正