关于背包问题的研究

背包问题

1. 0-1背包

我们先从经典的0-1背包谈起，显然这是一个动态规划。这个过程”商量“的问题是遇到一个物品到底放还是不放呢？(每种物品仅有一件，可以选择放或不放。)它的商量方程就是：
m[i][j]=max(m[i-1][j]，m[i-1][j-w[i]]+v[i])————其中m[i][j]表示还有i个物品供选择，背包容量为j。
AC代码：

  二维dp:
for(i=1;i<=n;++i)  //i表示物品i;
{
    for(j=0;j<=c;++j)//j表示背包容量;
    { 
        if(j<w[i])
            dp[i][j]=dp[i-1][j];
        else 
            dp[i][j]=max(dp[i-1][j],dp[i-1][j-w[i]]+v[i]); 
    } 
} 
//这本质上就是一个由上到下,由左到右的填表过程;

  一维dp:
   for(i = 0;i<n;i++)  
   {  
         for(j = v;j>=w[i];j--)//01背包  
         {  
             dp[j] = max(dp[j],dp[j-w[i]]+v[i]); 
             //dp[j]表示j容量下背包的最大价值； 
         }  
   }  

2. 完全背包

要先知道完全背包和01背包的区别，01背包n个物品，每一个物品有1个，而完全背包每一件物品有无数个，只要求求出在不大于W的情况下求出最大的值；（也就是说它可以继续选择同一件物品，不一定要换成别的物品）
故它的商量方程和01背包的只有一点点差别，就是是继续选该物品还是选下一件。
代码：

 二维dp: 
for(i=1;i<=n;++i)
{
    for(j=0;j<=W;++j)
    {
        if(j<w[i])
            dp[i][j]=dp[i-1][j];
        else
            dp[i][j]=get_max(dp[i-1][j],dp[i][j-w[i]]+p[i]); 
    } 
}

一维dp: 
for(i=1;i<=n;++i)
{
    for(j=w[i];j<=W;++j)
        dp[j]=max(dp[j],dp[j-w[i]]+p[i]); 
}

背包问题还有各种变式，需要大家仔细琢磨。这里就不一一讲述了。