AcWing 3. 完全背包问题

前置知识讲解：
０１背包讲解
必看的视频讲解↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
【E09【模板】背包DP 完全背包】

完全背包定义：

完全背包问题是一个经典的算法问题，属于组合优化问题的一种。它来源于实际生活中的背包问题，具体定义如下：

假设有一个背包，能够承载的总重量为W。同时有n个物品，每个物品有一个重量w[i]和价值v[i]。每个物品可以取无限多个，即可以重复选择。完全背包问题的目标是选择一些物品，使得背包的总重量不超过W，同时背包中物品的总价值最大。

数学上，完全背包问题可以用以下方式定义：

• 给定一组物品，每个物品i（1 ≤ i ≤ n）具有重量w[i]和价值v[i]。
• 背包的总承载重量为W。
• 目标是选择物品的组合，使得总重量不超过W，且总价值最大。

这个问题可以通过动态规划（Dynamic Programming, DP）来解决。具体来说，可以定义一个DP数组dp[j]，其中dp[j]表示背包容量为j时能够获得的最大价值。状态转移方程如下：

$dp[j]=\max (dp[j],dp[j-w[i]]+v[i])$

其中，i表示当前考虑的物品，j表示当前考虑的背包容量。

完全背包问题与0/1背包问题的主要区别在于，0/1背包问题中每个物品只能选取一次，而完全背包问题中每个物品可以选取无限次。这使得完全背包问题的解决方案相对简单，因为不需要考虑物品是否已经被选取过。

题目：

图1 ↑↑↑ # 解题思路

状态转移方程

图2↑↑

更新过程，观察图3的数组更新情况，由于每次只用到1行的数组，因此可以直接省略第一维

图3↑

图4↑

０１背包和完全背包的代码区别，包括空间优化与非优化代码比较

图5↑↑

最后附上完全背包代码：

#include <iostream>
#include <algorithm>

using namespace std;

const int N = 1010;
//v表示体积Volume，w表示价值，weight
int n, m;
int v[N], w[N];
int f[N];

int main()
{
    cin >> n >> m;//n是物品种类数量，m是背包的总容量
    for (int i = 1; i <= n; i ++ ) cin >> v[i] >> w[i];

    for (int i = 1; i <= n; i ++ )
        for (int j = v[i]; j <= m; j ++ )
            f[j] = max(f[j], f[j - v[i]] + w[i]);

    cout << f[m] << endl;//直接输出f【m】是指当容量为m时，对应能装多少价值的东西！

    return 0;
}