完全背包问题

题目：

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。第i种物品的费用是c[i]，价值是w[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量，且价值总和最大。

基本思路

这个问题非常类似于01背包问题，所不同的是每种物品有无限件。也就是从每种物品的角度考虑，与它相关的策略已并非取或不取两种，而是有取0件、取1件、取2件……等很多种。如果仍然按照解01背包时的思路，令f[i][v]表示前i种物品恰放入一个容量为v的背包的最大权值。仍然可以按照每种物品不同的策略写出状态转移方程，像这样：

f[i][v]=max{f[i-1][v-k*c[i]]+k*w[i]|0<=k*c[i]<=v}

这跟01背包问题一样有O(VN)个状态需要求解，但求解每个状态的时间已经不是常数了，求解状态f[i][v]的时间是O(v/c[i])，总的复杂度可以认为是O(V*Σ(V/c[i]))，是比较大的。
将01背包问题的基本思路加以改进，得到了这样一个清晰的方法。这说明01背包问题的方程的确是很重要，可以推及其它类型的背包问题。但我们还是试图改进这个复杂度。

一个简单有效的优化

完全背包问题有一个很简单有效的优化，是这样的：若两件物品i、j满足c[i]=w[j]，则将物品j去掉，不用考虑。这个优化的正确性显然：任何情况下都可将价值小费用高得j换成物美价廉的i，得到至少不会更差的方案。对于随机生成的数据，这个方法往往会大大减少物品的件数，从而加快速度。然而这个并不能改善最坏情况的复杂度，因为有可能特别设计的数据可以一件物品也去不掉。

考虑到第i种物品最多选V/c[i]件，于是可以把第i种物品转化为V/c[i]件费用及价值均不变的物品，然后求解这个01背包问题。这样完全没有改进基本思路的时间复杂度，但这毕竟给了我们将完全背包问题转化为01背包问题的思路：将一种物品拆成多件物品。

更高效的转化方法是：把第i种物品拆成费用为c[i]*2^k、价值为w[i]*2^k的若干件物品，其中k满足c[i]*2^k<=V。这是二进制的思想，因为不管最优策略选几件第i种物品，总可以表示成若干个2^k件物品的和。这样把每种物品拆成O(log V/c[i])件物品，是一个很大的改进。

这个算法使用一维数组，先看伪代码：

for i=1..N

for v=cost..V

    f[v]=max{f[v],f[v-cost]+weight}

你会发现，这个伪代码与P01的伪代码只有v的循环次序不同而已。
举例来说：
有三种面值的优惠券：30,50,100，分别有任意个数。现在给定一个金额V，求最大可以优惠的金额是多少。
抽象来说，这个问题可以用完全背包问题来解决。完全背包问题可以看做是：
有3种物品和一个为V的背包，这三种物品的重量分别为{30,50,100}，价值也可以看做分别对应是{30,50,100}
因此，可以写出算法复杂度为O(VN)的代码如下：

public class Soution1 {
    public static void main(String[]args){
        int num=3;
        int all=70;
        bao[] baos=new bao[num];
        baos[0]=new bao(30,30);//(weight,value)
        baos[1]=new bao(50,50);
        baos[2]=new bao(100,100);
        getMaxValue(baos,num,all);
    }
    //一维数组解决
    public static void getMaxValue(bao[] baos,int num,int all){
        int[] f=new int[all+1];
        for(int i=0;i<num;i++){
            for(int j=baos[i].weight;j<=all;j++){
                f[j]=Math.max(f[j],f[j-baos[i].weight]+baos[i].value);
            }
        }
        System.out.println(f[all]);
    }
}
//V=110,输出110
//V=70,输出60
//V=120,输出120
//V=20,输出0

和01背包的区别，这里的内循环是顺序的，而01背包是逆序的。
现在关键的是考虑：为何完全背包可以这么写？
在次我们先来回忆下，01背包逆序的原因？是为了是max中的两项是前一状态值，这就对了。
那么这里，我们顺序写，这里的max中的两项当然就是当前状态的值了，为何？
因为每种背包都是无限的。当我们把i从1到N循环时，f[v]表示容量为v在前i种背包时所得的价值，这里我们要添加的不是前一个背包，而是当前背包。所以我们要考虑的当然是当前状态。
对于二维数组，更新的时候为res[i][j-w[k]]