算法.动态规划.完全背包问题 （Java，递归）

目录

前言

01背包问题

现实应用

穷举画图

代码

---

前言

该问题是“最少钱币数问题”的延伸，整个代码结构类似，如果不了解可先参考：

算法.动态规划.最少钱币数问题（Java，递归）_要钱也要自我实现-CSDN博客算法.动态规划.最少钱币数问题（Java，递归）https://blog.csdn.net/weixin_42754896/article/details/123066509

完全背包问题

在N件物品取出若干件放在容量为W的背包里，每种物品的体积为W1，W2……Wn（Wi为整数），与之相对应的价值为P1,P2……Pn（Pi为整数）。求背包能够容纳的最大价值。

跟01背包的区别：每种东西有无限个

现实应用

盗墓者 拿了一个背包，体积W一定。墓葬中有不同体积的金块，价值各不一样。盗墓者当然希望尽可能拿走最大价值的金子。
东西编号 ：   D1  D2  D3  D4
体积W  ：   2   3   4   5
价值V  ：   3   4   5   6
背包体积W：8

穷举画图

假设有两个东西：D1 D2，每次选择都有两种选择，直到包里装不下东西(根据体积来算，或者拿不了(根据重量))。
  		 F(W)           
  	 D1    		 D2			---- 第一次选择
  D1     D2     D1    D2	---- 第二次选择
D1 D2  D1 D2  D1 D2  D1 D2	---- 第三次选择
……  


F(8): 装满体积8的最大价值
D1.W: D1东西的体积
D2.V: D2东西的价值
F(W) = Max( F(W-D1.W) + D1.V,F(W-D2.W)+D2.V )

代码

public class package01 {
	@Test
	public void test1(){
		/**
		 *  体积W  ：   2   3   4   5
		 *  价值V  ：   3   4   5   6
		 */
		Dong [] dongs =new Dong[4];
		dongs[3] = new Dong(2,3);
		dongs[2] = new Dong(3,4);
		dongs[1] = new Dong(4,5);
		dongs[0] = new Dong(5,6);
		// 背包体积
		int w = 8; 
		// 问题：求 钱的张数最小
		Solution Solution = new Solution();
		Assert.assertEquals(12, Solution.maxValue01(dongs,w));
	}

	class Solution {
		public int maxValue01(Dong[] dongs,int w) {
			
			if(w <= 0){
				return 0;
			}

			int maxValue = 0;
			int tempMaxValue = 0;
			for(int i = 0 ; i < dongs.length ; i++,tempMaxValue = 0){
				if(dongs[i].w > w){
					// 背包装不下：当前东西的体积直接比背包大，装个屁直接忽略
					continue;
				}else if(dongs[i].w <= w){
					/**
					 * 背包装得下：东西体积跟背包体积一样大，或者小于
					 * 剩余体积能装最大的价值 + 当前装的东西的价值
					 * F(W) = Max( F(W-D1.W) + D1.V, F(W-D2.W)+D2.V )
					 */
					tempMaxValue = maxValue01(dongs , w - dongs[i].w) + dongs[i].v;
				}
				
				// 如果这种币值的钱张数 比较少就记录
				if(tempMaxValue > maxValue){
					maxValue = tempMaxValue;
				}
			}

			return maxValue;
		}
	}

	class Dong{
		public int w;
		public int v;
		public Dong(){}
		public Dong(int w,int v){
			this.w = w;
			this.v = v;
		}
	}
}

---

end