完全背包问题和0-1背包问题简单理解

0-1背包问题：

有N件物品和一个容量为V的背包。第i件物品的费用是c[i]，价值是w[i]。求解将哪些物品装入背包可使价值总和最大。

完全背包问题：

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。

  可以看出，两种问题的不同是完全背包问题的物品可以无限用，虽然不同，但是他们的模板代码是非常相似。也正因为这样，造成了理解上的困难。

先贴出两种问题的代码：

0-1背包问题：

void dp(int *f, int *t, int *v, int M, int T)
{
    for (int i = 1; i <= M; i++)
    {
        for (int j = T; j >= t[i]; j--)
        {
            f[j] = max(f[j - t[i]] + v[i], f[j]);
        }
    }
}

完全背包：

void dp(int *f, int *t, int *v, int M, int T)
{
    for (int i = 1; i <= M; i++)
    {
        for (int j = t[i]; j <= T; j++)
        {
            f[j] = max(f[j - t[i]] + v[i], f[j]);
        }
    }
}

可以看到代码的不同之处就是 j 的遍历是正序还是逆序。下面解释一下：
0-1背包问题：特点：每种物品仅有一件，可以选择放或不放。
  根据状态转移方程：第 i 次决策取决于第 i - 1次决策。这是 j 逆序遍历的原因。
完全背包问题：特点：每种物品有无限件。
  但是，决策和0-1背包问题不一样：第 i 次的决策不一定取决于第 i -1 次。当第i件物品出现时，可能会对以前的状态造成影响。因为有可能第i件物品出现后，之前所确定的状态加以改变 再加上第i件物品放入会构造更好的解决方案。所以，之前的状态需要改变，故要正序遍历 j 值。

举个例子：

这里有两道OJ题目：
0-1背包问题：https://www.luogu.org/problemnew/show/P1048
完全背包问题：https://www.luogu.org/problemnew/show/P1616
就以题目中的数据为例：
  设总时间70，采药总数3。
  采药所需时间和价值分别为：71，100；  69， 1；  1， 2.

• 0-1背包问题：第一次决策要选择69 1；第二次则在第一次的决策上选择1  2；我们不需要去改变第一次的选择。
• 完全背包问题：第一次决策可以选69  1，且只能选择一株。然后，我们进行第二次决策选择，此时可以且只能再选择一株1  2，这样构造的最终结果为f[T] = 3。
    那么，我们可不可以构造比f[T] = 3更大的解呢？此题当然有。就是第一次决策选择1  2；然后以后的决策都选择1  2；这样最终结果f[T] = 140。比 f[T] = 3大多了。
     由此可以看出，我们在得到最优解过程中，是在进行第二次决策时否定了第一次的决策，需要重新进行以前的决策。这就是V正序遍历的原因。

再解释这个正序遍历的代码意思：
   i 表示第几件物品；
   j 表示当前背包的容量；
   在遍历到每一个 i （即每个物品）时，都要正序重新遍历一遍 j （即背包容量），也就是说更新以前（上一件物品时）的 f[j]。正好符合完全背包问题的决策思想。

最后，如果理解有错误还请多多指正。