完全背包原理

完全背包

每件物品有无限多个

朴素算法

$f[i][j]=max(f[i][j],f[i-1][j-k\ast v[i]]+k\ast w[i])$与01背包类似

for (int i = 1;i <= n;++i) {
	for (int j = 0;j <= m;++j) {
		for (int k = 0;v[i] * k <= j;++k) {
			f[i][j] = max(f[i][j], f[i - 1][j - k * v[i]] + k * w[i]);
		}
	}
}

优化做法

易知$f[i,j]=\mathrm{Max}(f[i-1,j],f[i-1,j-v]+w,f[i-1,j-2v]+2w,f[i-1,j-3v]+3w,\dots )$

$f[i,j-v]=\mathrm{Max}(f[i-1,j-v],f[i-1,j-2v]+w,f[i-1,j-3v]+2w,\dots )$

所以$f[i,j]=Max(f[i-1,j],f[i,j-v]+w)$

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

优化成一维

在计算$f[j]$时 因为$j-v[i]$小于$j$ 所以此时的$f[j-v[i]]$被更新到了第$i$维 与原式相符 所以$j$不需要从大到小枚举

for (int i = 1;i <= n;++i) {
	for (int j = v[i];j <= m;++j) {
		f[j] = max(f[j],f[j -v[i]] + w[i]);
	}
}

当优化到一维时，只有完全背包的体积是从小到大循环的
for 物品：
\quad for 体积：
\quad \quad \quad for 决策：