基本背包模板

dp[ i ][ j ]表示在前 i 个物品中，背包容量为 j 时能装的最大价值，其中w[i] 表示第i个物品的体积，v[i]表示第i个物品的价值。

• 普通的背包问题为可装物品的最大价值（集合状态转移时维护的是最值——max）
• 还有一种情况可用背包计算方案数——集合状态转移时维护的是和值——sum

01背包

每个物品只有一个

二维01背包

O(nm)

memset(dp,0,sizeof dp);	//边界
for(int i=1;i<=n;i++){
	for(int j=0;j<=m;j++){
		dp[i][j] = dp[i-1][j];	//不选第i个物品
		if(j>=w[i]) dp[i][j] = max(dp[i][j], dp[i-1][j-w[i]] + v[i]); 	//选第i个物品
	}
}
cout<<dp[n][m]<<endl;

一维01背包

O(nm)

memset(dp,0,sizeof dp);	//边界
for(int i=1;i<=n;i++){
   for(int j=m; j>=w[i] ;j--)	//应该先计算j,然后状态再转移到j-w[i]
       dp[j] = max(dp[j], dp[j-w[i]] + v[i]);
}
cout<<dp[m]<<endl;

完全背包

每个物品有无限多个

二维未优化

O(nmk)

memset(dp,0,sizeof dp);	//边界
for(int i=1;i<=n;i++){
	for(int j=0;j<=m;j++){
		dp[i][j] = dp[i-1][j];	//不选第i个物品
		for(int k=1; k*w[i] <= j; k++)  //选多个第i个物品
			dp[i][j] = max(dp[i][j], dp[i-1][j-k*w[i]] + k*v[i]);
	}
}
cout<<dp[n][m];

二维优化

O(nm)
注意优化后状态转移从 dp[i][j-w[i]] 过来

memset(dp,0,sizeof dp);	//边界
for(int i=1;i<=n;i++)
	for(int j=0;j<=m;j++){
	    dp[i][j] = dp[i-1][j];	//不选第i个物品
	    if(j>=w[i]) dp[i][j] = max(dp[i][j], dp[i][j-w[i]] + v[i]);	//选多个第i个物品
	}
cout<<dp[n][m];

背包计算方案数

经典题目：

给定 n个正整数 1 5 10 20····
从中选出若干个数，使得他们的和为 m
求最终的 方案数

状态方程转移时，不再选择集合中的最大值维护，而是维护方案数

f[i][j] 表示的集合：考虑前 i 个正整数，且当前数量总和恰好为 j 的方案集合。维护的属性：方案的种类数量。
二维一维dp均可实现：

• 方式一：（数组下标从1开始，转移与01背包相似）
  来自Acwing

dp[0][0]=1;  //边界
for(int i=1;i<=n;i++){
    for(int j=0;j<=m;j++){
        if(j<w[i]) dp[i][j] = dp[i-1][j]; //不选第i个整数的方案数量
        else dp[i][j] = dp[i-1][j] + dp[i-1][j-w[i]]; //选择第i个整数和不选第i个整数
    }
}
cout<<dp[n][m];

//或者
dp[i][j] = dp[i-1][j]; //不选第i个整数的方案数量
if(j>=w[i]) dp[i][j] += dp[i-1][j-w[i]]; //选择第i个整数

• 方式二（数组下标从0开始，转移与完全背包相似）

LC 518 零钱兑换

class Solution {
public:
    int change(int amount, vector<int>& coins) {
        vector<vector<int>> dp(coins.size()+2, vector<int>(amount+2) );
        dp[0][0] = 1;
        for(int i=0;i<coins.size();i++){
            for(int j=0;j<=amount;j++){
                if(j<coins[i]) dp[i+1][j] = dp[i][j];
                else dp[i+1][j] = dp[i][j] + dp[i+1][j-coins[i]];
            }
        }
        return dp[coins.size()][amount];
    }
};

//或者
dp[i+1][j] = dp[i][j];
if(j>=coins[i]) dp[i+1][j] += dp[i+1][j-coins[i]];


//转换为下标从1开始：
class Solution {
public:
    int change(int amount, vector<int>& coins) {
        int n = coins.size();
        coins.insert(coins.begin(),0);
        vector<vector<int>> dp(coins.size()+2, vector<int>(amount+2) );
        dp[0][0] = 1;
        for(int i=1;i<=n;i++){
            for(int j=0;j<=amount;j++){
                dp[i][j] = dp[i-1][j];
                if(j>=coins[i]) dp[i][j] += dp[i][j-coins[i]];
            }
        }
        return dp[n][amount];
    }
};

一维优化

O(nm)

memset(dp,0,sizeof dp);	//边界
for(int i=1;i<=n;i++)
	for(int j=w[i];j<=m;j++){  //类似01背包的优化
        dp[j] = max(dp[j], dp[j-w[i]] + v[i]);
	}
cout<<dp[m];

多重背包

每个物品有k个

二维未优化

O(nmk)

for(int i=1;i<=n;i++){
	for(int j=0;j<=m;j++){
		dp[i][j] = dp[i-1][j]; //不选第i个物品
		for(int k=1; k*w[i] <= j && k <= s[i]; k++)		//选第i个物品
		dp[i][j] = max(dp[i][j], dp[i-1][j-k*w[i]] + k*v[i]);
	}
}
cout<<dp[n][m];

一维优化

O(nmlogk)
二进制优化后 转化为01背包

for(int i=1;i<=n;i++){
	for(int k=1;s[i]>0;k<<=1){	 //把s[i] 个物品i 拆成log(s[i]) 个物品
		int cnt = min(k,s[i]);
		for(int j=m; j >= cnt*w[i]; j--)		//01背包
			dp[j] = max(dp[j], dp[j-cnt*w[i]] + cnt*v[i]);
		s[i] -= cnt;
	}
}
cout<<dp[m];

多组背包

每组物品选一个

二维

O(nmk)

for(int i=1;i<=n;i++){
	for(int j=0;j<=m;j++){		//类似01背包
		dp[i][j] = dp[i-1][j];	//不选第i组
		for(int k=1;k<=num[i];k++)	//遍历每组里的物品 选一个
		   if(j>=w[i][k]) dp[i][j] = max(dp[i][j],dp[i-1][j-w[i][k]] + v[i][k]);
	}
}
cout<<dp[n][m];

一维

O(nmk)

for(int i=1;i<=n;i++){
	for(int j=m;j>=0;j--){		//由于 w[i][k] (物品体积)在内层所以 在内层再判断
		for(int k=1;k<=num[i];k++)
		if(j>=w[i][k]) dp[j] = max(dp[j],dp[j-w[i][k]]+v[i][k]);
	}
}
cout<<dp[m];