动态规划从0到1：完全背包问题，提供模板和思路，简单易懂好上手（同时可在相应网站上做练习）

本文链接：https://blog.csdn.net/weixin_42042056/article/details/106818408

动态规划可以一般按照下面的步骤进行：

1）、状态定义；

2）、状态转移方程；

3）、初始化；

4）、输出；

5）、思考状态压缩。

完全背包问题

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
1、题目描述：
https://www.acwing.com/problem/content/3/
在这里插入图片描述

2、题解：
状态定义：
dp[i][j] 若只使用前 i 个物品，当背包容量为 j 时，有 dp[i][j] 种方法可以装满背包。
状态转移方程：
dp[i][j] = max(dp[i-1][j],dp[i][j-v[i-1]]+ w[i-1])

伪代码：

v[m]#体积数组
w[m]#价值数组
#初始化 ,m个物品，背包的总容量为n
dp[m+1][n+1]
dp[0][:] = 0
dp[:][0] = 0
for i in [1...m]:
    for j in [1...n]:
        if i >= v[i-1]
        dp[i][j] = max(dp[i-1][j],dp[i][j-v[i-1]]+ w[i-1])
return dp[m][n]

写成pthon语言为：

m,n = map(int,input().split())
v = [] #体积数组
w = [] #价值数组

for i in range(m):
    num,x = map(int,input().split())
    v.append(num)
    w.append(x)
# print(m,n,v,w)
dp = [[0] * (n+1) for _ in range(m + 1)] 
for i in range(1,m+1):
    for j in range(1,n + 1):
        if j < v[i-1]:
            dp[i][j] = dp[i-1][j]
        else:
            dp[i][j] = max(dp[i-1][j],dp[i][j-v[i-1]]+ w[i-1])
# print(dp)
print(dp[m][n])

状态压缩：
伪代码：


v[m]#体积数组
w[m]#价值数组
#初始化 ,m个物品，背包的总容量为n
dp[n+1]
dp[:] = 0
for i in [0...m-1]:
    for j in [0...n]:
        dp[j] = max(dp[j],dp[j-v[i-1]]+w[i-1])
return dp[n]

用python语音：

#空间优化
m,n = map(int,input().split())
v = [] #体积数组
w = [] #价值数组

for i in range(m):
    num,x = map(int,input().split())
    v.append(num)
    w.append(x)
# print(m,n,v,w)
dp = [0 for _ in range(n+1 )]
for i in range(m):
    for j in range(n+1):
        if j >= v[i-1]:
            dp[j] = max(dp[j],dp[j-v[i-1]]+ w[i-1])
# print(dp)
print(dp[-1])