LeetCode刷题--- 【模板】完全背包

前言：这个专栏主要讲述动态规划算法，所以下面题目主要也是这些算法做的  

我讲述题目会把讲解部分分为3个部分：
1、题目解析

2、算法原理思路讲解

3、代码实现

---

【模板】完全背包

题目链接：【模板】完全背包_牛客题霸_牛客网

题目

描述

你有一个背包，最多能容纳的体积是V。

现在有n种物品，每种物品有任意多个，第i种物品的体积为 vi​ ,价值为 wi​。

（1）求这个背包至多能装多大价值的物品？

（2）若背包恰好装满，求至多能装多大价值的物品？

输入描述：

第一行两个整数n和V，表示物品个数和背包体积。

接下来n行，每行两个数 vi ​和 wi​，表示第i种物品的体积和价值。

1≤n,V≤1000

输出描述：

输出有两行，第一行输出第一问的答案，第二行输出第二问的答案，如果无解请输出0。

示例1

输入：

2 6
5 10
3 1

复制输出：

10
2

示例2

输入：

3 8
3 10
9 1
10 1

复制输出：

20
0

复制说明：

无法恰好装满背包。

示例3

输入：

6 13
13 189
17 360
19 870
14 184
6 298
16 242

复制输出：

596
189

说明：

可以装5号物品2个，达到最大价值298*2=596，若要求恰好装满，只能装1个1号物品，价值为189.

---

解法

算法原理与解析

我们这题使用动态规划，我们做这类题目可以分为以下五个步骤

1. 状态显示
2. 状态转移方程
3. 初始化（防止填表时不越界）
4. 填表顺序
5. 返回值

第一问

• 状态显示

dp[ i ][ j ] ：表示 从前 i 个物品中挑选，总体积不超过 j ，所有的选法中，能挑选出来的最大价值。

• 状态转移方程

线性 dp 状态转移方程分析方式，一般都是根据最后⼀步的状况，来分情况讨论。但是最后⼀个物品能选很多个，因此我们的需要分很多情况：

1. 选 0 个第 i 个物品：此时相当于就是去前 i - 1 个物品中挑选，总体积不超过 j 。 此时最⼤价值为 dp[i - 1][j] ；
2. 选 1 个第 i 个物品：此时相当于就是去前 i - 1 个物品中挑选，总体积不超过 j - v[i] 。因为挑选了⼀个 i 物品，此时最⼤价值为 dp[i - 1][j - v[i]] + w[i] ；
3. 选 2 个第 i 个物品：此时相当于就是去前 i - 1 个物品中挑选，总体积不超过 j - 2 * v[i] 。因为挑选了两个 i 物品，此时最⼤价值为 dp[i - 1][j - 2 * v[i]] + 2 * w[i] ；
4. 选 3个第 i 个物品：等等

综上，我们的状态转移方程为：

dp[i][j]=max(dp[i-1][j], dp[i-1][ j-v[i]]+w[i], dp[i-1][j- 2*v[i]]+2*w[i]...)

当我们发现，计算⼀个状态的时候，需要⼀个循环才能搞定的时候，我们要想到去优化。优化的方向就是⽤⼀个或者两个状态来表示这⼀堆的状态，通常就是用数学的方式做⼀下等价替换。我们发现第⼆维是有规律的变化的，因此我们去看看 dp[i][j - v[i]] 这个状态：

dp[i][j-v[i]]=max(dp[i-1][j-v[i]],dp[i-1][j-2*v[i]]+w[i],dp[i-1] [j-3*v[i]]+2*w[i]...)

我们发现，把 dp[i][j - v[i]] 加上 w[i] 正好和 dp[i][j] 中除了第⼀项以外的全部一致，因此我们可以修改我们的状态转移⽅程为：

dp[ i ][ j ] = max(dp[ i - 1 ][ j ], dp[ i ] [ j - v[i]] + w[ i ] ) 

• 初始化（防止填表时不越界）

我们多加⼀行，方便我们的初始化，此时仅需将第⼀行初始化为 0 即可。因为什么也不选，也能满足体积不小于 j 的情况，此时的价值为 0 。

• 填表顺序

根据状态转移方程，我们仅需从上往下填表即可。

• 返回值

根据状态表示，返回 dp[n][V] 。

第⼆问

• 状态显示

dp[ i ][ j ] ：表示从前 i 个物品中挑选，总体积不超过 j ，所有的选法中，能挑选出来的最大价值。

• 状态转移方程

dp[ i ][ j ] = max(dp[ i - 1 ][ j ], dp[ i ][ j - v[ i ] ] + w[ i ] ) 。

但是在使用  dp[ i ][ j - v[ i ]] 的时候，不仅要判断 j >= v[ i ] ，又要判断 dp[ i ][ j - v[i]] 表示的情况是否存在，也就是 dp[i][j - v[i]] != -1 。

• 初始化（防止填表时不越界）

我们多加⼀行，方便我们的初始化：

1. 第⼀个格子为 0 ，因为正好能凑齐体积为 0 的背包；
2. 但是第⼀行后面的格子都是 -1 ，因为没有物品，无法满足体积大于 0 的情况。

• 填表顺序

根据状态转移方程，我们仅需从上往下填表即可。

• 返回值

由于最后可能凑不成体积为 V 的情况，因此返回之前需要特判⼀下。

---

代码实现

#include <iostream>
#include <string.h>
using namespace std;

const int N = 1010;
int n, V, v[N], w[N];
int dp[N][N];
int main()
{
	// 读入数据
	cin >> n >> V;
	for (int i = 1; i <= n; i++)
		cin >> v[i] >> w[i];

	// 第以问
	for (int i = 1; i <= n; i++)
		for (int j = 0; j <= V; j++)
		{
			dp[i][j] = dp[i - 1][j];
			if (j >= v[i]) 
				dp[i][j] = max(dp[i][j], dp[i][j - v[i]] + w[i]);
		}

	cout << dp[n][V] << endl;

	// 第二问
	memset(dp, 0, sizeof dp);
	for (int j = 1; j <= V; j++)	// 初始化
		dp[0][j] = -1;

	for (int i = 1; i <= n; i++)
		for (int j = 0; j <= V; j++)
		{
			dp[i][j] = dp[i - 1][j];
			if (j >= v[i] && dp[i][j - v[i]] != -1)
				dp[i][j] = max(dp[i][j], dp[i][j - v[i]] + w[i]);
		}
	cout << (dp[n][V] == -1 ? 0 : dp[n][V]) << endl;
	return 0;
}

---

代码优化

#include <iostream>
#include <string.h>
using namespace std;

const int N = 1010;
int n, V, v[N], w[N];
int dp[N];
int main()
{
	// 读入数据
	cin >> n >> V;
	for (int i = 1; i <= n; i++)
		cin >> v[i] >> w[i];

	// 第一问
	for (int i = 1; i <= n; i++)
		for (int j = v[i]; j <= V; j++)
			dp[j] = max(dp[j], dp[j - v[i]] + w[i]);

	cout << dp[V] << endl;

	// 第二问
	memset(dp, 0, sizeof dp);
	for (int j = 1; j <= V; j++) 
		dp[j] = -0x3f3f3f3f;

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

	cout << (dp[V] < 0 ? 0 : dp[V]) << endl;
	return 0;
}