DP总结（1） 01背包 完全背包 多重背包

背包总结：


01背包：每种背包只有一个，且有放与不放两种选择；


完全背包：每种背包有无限个，且可以选择放n个或不放；


多重背包：每种背包的数目为规定个，可以选择放n个（不大于规定个）或不放；
一般可以总结出一个公式：dp[i][j]=max{dp[i-1][j],dp[i-1][j-c[i]]+w[i]}


而为了使空间更加的节省，可以将二维的数组变为一维数组：dp[i]=max{dp[i],dp[i-c[j]]+w[j]}
可是，这样一来，前面的两重for循环又会因此而不同：


对于01背包：for（i from 1 to n）for（j from w to 0）
            第二重一定要从最大容量到最小，因为由于只有一维数组，表达的范围有限，所以如果从最小到最大，那么就会使每种物品放了不止一次。


而对于完全背包：for（i from 1 to n）for（j from 0 to w）
            这时的情况和01背包刚好相反，所以第二重循环就刚好相反。


对于多重背包，则需要在第二重循环时，分情况讨论：
            如果c[i]*w[i]<w,那么情况和完全背包相同（c[i]表示第i个物品的数目，w[i]表示第i个物品的重量）；
            else 需要把一种类型的物品化为多种不同的物品;再按照01背包的模式计算。在化为多种物品的过程中，可以通过二进制的转换，将时间复杂度简化；eg. 13=1+2+4+6;这样一来，四个数可以表示任何1~13的数了，那么就只需要将一个物品转化为四个，再用01背包计算即可。
            for（i from 1 to n）if(c[i]*w[i]<w) 完全背包
                                else temp=c[i]; temp1=1;
                                     while(temp>temp1){
                                            01bag(temp);temp1-=temp;
                                            temp=temp*2;
                                         }
                                     01bag(temp1);
这样一来，时间复杂度就变成了O（n*w*log）


完全背包还有一个O（n*m）的算法，暂时还没有研究。。。