背包dp小结

昨晚太困了，于是就没有写，今天补上。

首先是01背包，每个物品最多选一次。

方程很简单，f[i][j]表示前i个物品花费j的空间的最大价值。

f[i][j]=max(f[i-1][j],f[i-1][j-v[i]]+w[i]) (j>=v[i])

然后，我们发现第一维是没有用的，就把它去掉，为了保证状态的合理转移，我们第二重循环要倒序循环（为什么呢？）。

然后是完全背包，每个物品随便选。

方程也很简单，f[i][j]=max(f[i-1][j],f[i][j-v[i]]+w[i])(j>=v[i])。

咦，是不是很相似，那么我们也尝试把第一维去掉，为了保证状态的合理转移，我们第二重循环要顺序循环（为什么呢？）。

我们发现01背包和完全背包的唯一区别就是第二重循环的循环顺序，01背包要倒序循环就是为了要避免在花费为

j的状态之前已经选过了第i个物品，而多重背包恰恰是可以在选过第i个物品后继续选择第i个物品。

之后是多重背包，每个物品有上限。

方程也很简单，f[i][j]=max(f[i-1][j-k*v[i]]+k*w[i])(j>=v[i])(0<=k<=c[i])

但是这个方程并不漂亮，它的复杂度并不好看，所以我们考虑两种优化模式。

第一种，物品拆分，将第i个物品(v[i],w[i],c[i])，拆成(1*v[i],1*w[i],1)(2*v[i],2*w[i],1)(4*v[i],4*w[i],1)……

(2^(k-1)*v[i],2^(k-1)*w[i],1)((c[i]-2^k)*v[i],(c[i]-2^k)*w[i],1)，其中k是时c[i]-2^k>0的最大的整数。

这样做很显然是正确的（为什么呢？），我们可以随意证明一下（分两种情况，取的数量大于等于2^k和小于2^k）。

第二种，方法是单调队列优化，论文里并没有讲。

考虑第i个背包，我们把所有状态分成w[i]类，分别为模w[i]的剩余系，这些状态之间转移似乎不干扰的，只能是类内转移，那么不妨有一个单调队列来维护一个最大值，当队头超过了可以取的次数，就把它出队，然后每次入队的时候要入F[j*v+d]- j*w，为什么呢，因为我们最后取的时候比如我们在f[k*v+d]是取f[j*v+d]的决策，那么f[k*v+d]=f[j*v+d]+(k-j)*w=(f[j*v+d]-j*w)+kw，就是这个样子，所以入队的时候把所有带j的都一起入进去才行。

然后是混合背包，其实有了前面的基础，这个非常简单。

就是看一看每一个背包是哪一种类型，然后按照那种类型的背包进行转移。

二维背包的话，非常简单，会写方程就好了。

分组背包，分成k个组，每一个组只能选一个。

按每组讨论，那么其实和01背包是一样的，因为01背包就是相当于n个组嘛。

有依赖的背包等等，这一些都可以用泛化背包的思想解决，至于泛化背包是什么吗，自己看论文吧。

貌似树形背包，就是每次把父亲和儿子进行一次泛化背包的合并，咦，貌似是O(nV)的。

NOIP应该考不到那么难吧，那么NOIP集训呢？！