第二讲 完全背包问题

【题目来源】AcWing 3. 完全背包问题

解题思路
完全背包和$0/1$背包的唯一区别在于，每一个物品变为了每一种物品且都有无数件，可以重复装入。

const int N = 1050;
struct res{
  int v, w;
} q[N];
int n, V, dp[N][N];

int main(){
  cin >> n >> V;
  for(int i = 1; i <=n ; i ++)  cin >> q[i].v >> q[i].w;
  return 0;
}

要注意，此时的状态转移方程会发生改变
动态规划思想：
$dp[i][j]$，代表当背包空间为 $j$ 时，我面前有前 $i$ 种物品，能够装入的最大价值，推导如下：
$dp[i][j]$分为多种情况，在$dp[i-1][j]$的基础上：
①不装入或者说装入$0$个第 $i$ 种物品，$dp[i-1][j]$；
②装入$1$个第 $i$ 种物品，$dp[i-1][j-q[i].v]+q[i].w$；
……
③装入$k$个第 $i$ 种物品，$dp[i-1][j-k\ast q[i].v]+k\ast q[i].w$。
……

推式1：dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - v] + w, dp[i - 1][j - 2 * v] + 2 * w, … , dp[i - 1][j - k * v] + k * w, … )
推式2：dp[i][j - v] = max(dp[i - 1][j - v], dp[i - 1][j - 2 * v] + w, dp[i - 1][j - 3 * v] + 2 * w, … , dp[i - 1][j - (k + 1)v] + k * w, … )
推式2变形：dp[i][j - v] + w = max(dp[i - 1][j - v] + w, dp[i - 1][j - 2 * v] + 2 * w, dp[i - 1][j - 3 * v] + 3 * w, … , dp[i - 1][j - (k + 1) * v] + (k + 1) * w, … )
结论：dp[i][j] = max(dp[i - 1][j], dp[i][j - v] + w);

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

亦可解释为，当背包空间为 $j$ 时，有前 $i$ 种物品可装入，但是我不知道现在想要装入的这前 $i$ 种物品已经装入了几个，所以考虑空间为 $j-q[i].v$ 时，前 $i$ 种物品的装入情况，即 $dp[i][j-q[i].v]$ 。

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

优化为一位数组，$dp[i][j]$的值取决于$dp[i-1][j]$或$dp[i][j-q[i].v]$，即上一行同一列或同一行前列，数组前面的值会发生改变并且决定后面的值，所以应该从前往后遍历。

for(int i = 1; i <= n; i ++)
  for(int j = q[i].v; j <= V; j ++)  //从前往后遍历
    dp[j] = max(dp[j], dp[j - q[i].v] + q[i].w);
cout << dp[V];