背包问题

01背包

for(int i = 1; i <= n; ++i)
{  
	for(int j = V; j >= c[i]; --j)
	{  
		dp[j] = max(dp[j],dp[j-c[i]]+a[i]);  
	}  
}

完全背包

for(int i = 1; i <= n; ++i)
{  
	for(int j = c[i]; j <= V; j++)//与01背包不同，从前往后刷新即可以重复加物品，手动模拟下就能明白
	{  
		dp[j] = max(dp[j],dp[j-c[i]]+a[i]);  
	}  
}

注意：初始化方面的细节，如果要求恰好装满背包，那么在初始化时除了dp[0]为0其它dp[1..V]均设为-∞（求的是最大解，如果求的是最小解，则为∞）  如果并没有要求必须把背包装满，而是只希望价格尽量大，初始化时应该将f[0..V]全部设为0。因为如果恰好背满的话，必须是由状态dp[0]转移而来，所以dp[0]要最靠近最优决策。

多重背包（二进制优化）

for(int i = 1; i <= n; ++i)
{
	int k;
	for(k = 1; k*2 <= count[i]; k *= 2)//count[i]为i物品的个数，本来是一个一个放，现在是成倍的放，比如9，放1、2、4、8
	{
		for(int j = V; j >= k*c[i] ; --j)
		dp[j] = max(dp[j],dp[j-k*c[i]] + k*a[i]);
	}
	k = count[i] - k;
	for(int j = V; j >= k*c[i]; --j)
	dp[j] = max(dp[j],dp[j-k*c[i]] + k*a[i]); 
}

现在dp[i]用来表示容量为i的背包能否被所给物品恰好装满，01背包和完全背包都一样

memset(dp,false,sizeof(dp));
dp[0] = true;
for(int i = 1; i <= N; ++i)
{
	memset(used,0,sizeof(used));
	for(int j = c[i]; j <= V; ++j)
	{
		if(!dp[j] && dp[j-c[i]] && used[j-c[i]] < count[i])
		{
			dp[j] = true;
			used[j] = used[j-c[i]] + 1;
		}
	}
}

混合背包

就是结合上面3种，有的物品只能取一次，有的物品能取无限次，有的物品能取有限次，枚举每个物品，判断是什么类型的背包就用什么方法写。

二维费用背包（多维同理）

比如：每件物品都有各自的体积v[i]和重量w[i]，一个背包最多可以装的体积为V，最多可以装的重量为W,问最多能装的价值。就是多了一个限制

以01背包为例：

for(int i = 1; i <= n; ++i)
{  
	for(int j = V; j >= v[i]; --j)
	{
		for (int k=W; k >= w[i]; --k)
		dp[j][k] = max(dp[j][k],dp[j-v[i]][k-w[i]]+a[i]);  
	}
}

分组背包

将n个物品分成若干组，每组只能拿一个，求最大价值

for 所有的组k

    for v=V..0

        for 所有的i属于组k

            dp[v]=max{dp[v],dp[v-c[i]]+a[i]}