背包通解（详）

1、关于0-1背包问题详解：

     对于0-1背包来说，最重要的是分清两点：

     1） 恰好装满：初始化 dp [0] = 0 , dp [1.....n] = -∞

     2）不需要装满：初始化 dp [0....n] = 0 ；

     理解：初始化的dp数组事实上就是在没有任何物 品可以放入背包时的合法状态。如果要求背包恰好装满，那么此时只有容量         为0的背包可以在什么也不装且价值为0的情况下被“恰好装满”，其它容量的 背包均没有合法的解，属于未定义的状态，应该         被赋值为-∞了。如果背包并非 必须被装满，那么任何容量的背包都有一个合法解“什么都不装”，这个解的 价值为0，所以初         始时状态的值也就全部为0

     其核心算法为：

     for ( int i = 1 ; i <= n ; i ++)

     for (int j = v ; j >= v[i] ; j--)

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

2、关于完全背包问题详解：

     其核心算法为：

     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] );

3、0-1背包与完全背包的区别：

     在于 j 是从 v ---- v [i] 还是从 v [i] ---- v ;

    其中0-1背包是让v递减，其原理是为了保证第i次循环中的状态dp [j] 是由状态dp [ j - v [i] ] 递 推而来。换句话说，这正是为了        保证每件物品只选一次，保证在考虑“选入 第i件物品”这件策略时，依据的是一个绝无已经选入第 i 件物品的子结果

    dp [ j - v [ i ] ]。

    而现在完全背包的特点恰是每种物品可选无限件，所以在考虑“加 选一件第i种物品”这种策略时，却正需要一个可能已选入第i        种物品的子结 果dp [ j - v [ i ] ]，所以就可以并且必须采用v递增的顺序循环。

4、关于多重背包问题详解：

    将多重背包转化为0-1背包：将第i种物品分成若干件01背包中的物品，其中每件物品有一个系 数。这件物品的费用和价值            均是原来的费用和价值乘以这个系数。令这些系数 分别为1,2,22 ...2k−1,Mi −2k + 1，且k是满足Mi −2k + 1 > 0的最大整数。         例 如，如果Mi为13，则相应的k = 3，这种最多取13件的物品应被分成系数分别 为1,2,4,6的四件物品。

    其核心算法为：

    1）for（ int i = 1 ; i <= n ; i++）

          for（ int  j = 1 ; j < = geshu ; j++）

            for（  int k = v ; k >= jiage ; k--）

              dp [ k ] = max（ dp [ k ] , dp [ k - jiage ] + zhongliang）;

     2）for（ int i = 1 ; i <= n ; i++ ) {

           cin >> v >> w >> c;            

           for（ int j = v ; j >= 0 ; j--）

            for（ int k =1 ; k <= c && j + k * v <=n ; k++）

            if（dp [ j ] + k * w > dp [ j + k * v ] ）

            dp [ j + k * v ] = dp [ j ] + k * w ;

         }

5、分组背包详解：

      其限制条件：要么选一件要么一件都不选

      其核心算法为：

      for（ int i = 1; k <= jizu ; i++）

       for（ int j = v ; j >= 0 ; j--）

        for（ int k = 1 ; k <= j ; k++）

         dp [ j ] = max（ dp[ j ] , dp [ j - k ] + a [ i ] [ k ] ）

6、有依赖的背包问题（即选A必选B）详解：

      不仅仅只将背包中的最优解输出，要将背包中次优解，次次优解，，，，全部输出

     其核心代码为:

    for( int i = 1 ; i < n ; i++) {
     for( int j = v ; j >= v [ i ] ; j--) {
      for( int t = 1 ; t <= jieshu ; t++)//把所有可能的解都存起来{
       a [ t ] = f [ j ][ t ] ;
       b [ t ] = f [ j - v [ i ] ][ t ] + v [ i ] ;
    }
    int m,x,y;
    m = x = y = 1 ;
    a [ k + 1 ] = b [ jieshu + 1 ] = -1 ;
    //下面的循环相当于求a和b并集，也就是所有的可能解 
    while ( m <= jieshu && (a [ x ] != -1 || b [ y ] != -1) ) {
        if ( a [ x ] > b [ y ] )
            f [ j ][ m ] = a [ x++] ;
        else 
            f [ j ][ m ] = b [ y++] ;    
        if ( f [ j ][ m ] != f [ j ][ m - 1 ] )
            m++;
    }
}

7、二维费用的背包问题详解：

     题意一般为：对于每件物品，具有两种不同的空间耗费，选 择这件物品必须同时付出这两种代价。对于每种代价都有一个可       付出的最大值 （背包容量）。问怎样选择物品可以得到最大的价值。 设这两种代价分别为代价一和代价二，第i件物品所需的       两种代价分别 为Ci和Di。两种代价可付出的最大值（两种背包容量）分别为V 和U。物品的 价值为Wi。
     则其核心算法为： dp [i,v,u] = max{ dp[i−1,v,u] , dp [i−1,v−Ci,u−Di] + Wi} （其与前面的一维背包算法是一样的原理）