动态规划之完全背包问题

【题目描述】
设有nn种物品，每种物品有一个重量及一个价值。但每种物品的数量是无限的，同时有一个背包，最大载重量为MM，今从nn种物品中选取若干件(同一种物品可以多次选取)，使其重量的和小于等于MM，而价值的和为最大。

【输入】
第一行：两个整数，MM(背包容量，M≤200M≤200)和NN(物品数量，N≤30N≤30)；

第2…N+12…N+1行：每行二个整数Wi,CiWi,Ci，表示每个物品的重量和价值。

【输出】
仅一行，一个数，表示最大总价值。

【输入样例】
10 4
2 1
3 3
4 5
7 9
【输出样例】
max=12
完全背包题目连接

之前的01背包是拿与不拿的考虑（0表示不拿，1表示拿），
完全背包是一件物品可以拿多次，求最大值。
其实完全背包的状态方程和01背包是一样的，不同的是01背包参考的数据是上一轮的数据，而完全背包参考的数据是同一轮的数据。
01背包是参考旧数据，所以用逆向循环
完全背包则是用正向循环即可

想了解01背包可以参考我以前的01背包
动态规划之01背包问题

我们可以通过自己打表的方式找变化求得状态方程
（横向表示容量，j）(纵向表示第几个，i)
01背包表：

#	1	2	3	4	5	6	7	8	9	10
1	0	1	1	1	1	1	1	1	1	1	
2	0	1	3	3	4	4	4	4	4	4	
3	0	1	3	5	5	6	8	8	9	9	
4	0	1	3	5	5	6	9	9	10	12	

完全背包表：

#	1	2	3	4	5	6	7	8	9	10
1	0	1	1	2	2	3	3	4	4	5	
2	0	1	3	3	4	6	6	7	9	9	
3	0	1	3	5	5	6	8	10	10	11	
4	0	1	3	5	5	6	9	10	10	12	

dp[i][j]----i表示物品个数，j表示容量，dp[i][j]的值表示在此状态时的最大价值

以下是两种情况的状态转移方程：
01背包：
dp[i][j]=Math.max(dp[i-1][j],dp[i-1][j-w[i]]+v[i])//上一条
dp[j]=Math.max(dp[j],dp[j-w[i]+v[i]])//逆向，用到的是旧数据
完全背包：
dp[i][j]=Math.max(dp[i-1][j],dp[i][j-w[i]]+v[i])//本条
dp[j]=Math.max(dp[j],dp[j-w[i]+v[j]])//顺向，用到是新数据

①
根据题意我们可以这样写，但是这样写用了3个循环，太耗时了，我们可以想办法优化

for (int i = 1; i <= n; i++) 
{
     for (int j =m; j >=1; j--) 
     {
        for(int k=0;k<=j/w[i];k++)
            dp[j]=Math.max(dp[j],dp[jk*w[i]]+v[i]);
      }

}

②

 for (int i = 1; i <= n; i++) 
 {
      for (int j = 1; j <= m; j++) //正向循环
       {
           if(j>=w[i])
               dp[j]=Math.max(dp[j],dp[j-w[i]]+v[i]);
       }
}

③再次优化，少个判断

for (int i = 1; i <= n; i++)
 {
   for (int j = w[i]; j <= m; j++) 
   {
         dp[j]=Math.max(dp[j],dp[j-w[i]]+v[i]);
    }

}

完整代码如下：

import java.util.*;
import java.lang.*;

public class Main {
    static int[]dp=new int[205];
    static int[] w = new int[35];
    static int[] v = new int[35];
    public static void main(String[] args) {
        Scanner in = new Scanner(System.in);
        int m, n;
        m = in.nextInt();
        n = in.nextInt();
        for (int i = 1; i <= n; i++) {
            w[i] = in.nextInt();
            v[i] = in.nextInt();
        }
        for (int i = 1; i <= n; i++) {
            for (int j = w[i]; j <= m; j++) {
                    dp[j]=Math.max(dp[j],dp[j-w[i]]+v[i]);
            }
        }
        System.out.println(dp[m]);
        in.close();
    }
}