dd大牛的文章中這樣提到P02: 完全背包問題
題目
有N種物品和一個容量為V的背包，每種物品都有無限件可用。第i種物品的費用是c[i]，價值是w[i]。求解將哪些物品裝入背包可使這些物品的費用總和不超過背包容量，且價值總和最大。

基本思路
這個問題非常類似于01背包問題，所不同的是每種物品有無限件。也就是從每種物品的角度考慮，與它相關的策略已并非取或不取兩種，而是有取0件、取1件、取2件……等很多種。如果仍然按照解01背包時的思路，令f[i][v]表示前i種物品恰放入一個容量為v的背包的最大權值。仍然可以按照每種物品不同的策略寫出狀態轉移方程，像這樣：f[i][v]=max{f[i-1][v-k*c[i]]+k*w[i]|0<=k*c[i]<= v}。這跟01背包問題一樣有O(N*V)個狀態需要求解，但求解每個狀態的時間則不是常數了，求解狀態f[i][v]的時間是O(v/c[i])，總的復雜度是超過O(VN)的。

將01背包問題的基本思路加以改進，得到了這樣一個清晰的方法。這說明01背包問題的方程的確是很重要，可以推及其它類型的背包問題。但我們還是試圖改進這個復雜度。

一個簡單有效的優化
完全背包問題有一個很簡單有效的優化，是這樣的：若兩件物品i、j滿足c[i]<=c[j]且w[i]>=w[j]，則將物品j去掉，不用考慮。這個優化的正確性顯然：任何情況下都可將價值小費用高得j換成物美價廉的i，得到至少不會更差的方案。對于隨機生成的數據，這個方法往往會大大減少物品的件數，從而加快速度。然而這個并不能改善最壞情況的復雜度，因為有可能特別設計的數據可以一件物品也去不掉。

轉化為01背包問題求解
既然01背包問題是最基本的背包問題，那么我們可以考慮把完全背包問題轉化為01背包問題來解。最簡單的想法是，考慮到第i種物品最多選V/c [i]件，于是可以把第i種物品轉化為V/c[i]件費用及價值均不變的物品，然后求解這個01背包問題。這樣完全沒有改進基本思路的時間復雜度，但這畢竟給了我們將完全背包問題轉化為01背包問題的思路：將一種物品拆成多件物品。

更高效的轉化方法是：把第i種物品拆成費用為c[i]*2^k、價值為w[i]*2^k的若干件物品，其中k滿足c[i]*2^k<V。這是二進制的思想，因為不管最優策略選幾件第i種物品，總可以表示成若干個2^k件物品的和。這樣把每種物品拆成O(log(V/c[i]))件物品，是一個很大的改進。但我們有更優的O(VN)的算法。 * O(VN)的算法這個算法使用一維數組，先看偽代碼： <pre class"example"> for i=1..N for v=0..V f[v]=max{f[v],f[v-c[i]]+w[i]};


你會發現，這個偽代碼與P01的偽代碼只有v的循環次序不同而已。為什么這樣一改就可行呢？首先想想為什么P01中要按照v=V..0的逆序來循環。這是因為要保證第i次循環中的狀態f[i][v]是由狀態f[i-1][v-c[i]]遞推而來。換句話說，這正是為了保證每件物品只選一次，保證在考慮“選入第i件物品”這件策略時，依據的是一個絕無已經選入第i件物品的子結果f[i-1][v-c[i]]。而現在完全背包的特點恰是每種物品可選無限件，所以在考慮“加選一件第i種物品”這種策略時，卻正需要一個可能已選入第i種物品的子結果f[i][v-c[i]]，所以就可以并且必須采用v= 0..V的順序循環。這就是這個簡單的程序為何成立的道理。

這個算法也可以以另外的思路得出。例如，基本思路中的狀態轉移方程可以等價地變形成這種形式：f[i][v]=max{f[i-1][v],f[i][v-c[i]]+w[i]}，將這個方程用一維數組實現，便得到了上面的偽代碼。

總結
完全背包問題也是一個相當基礎的背包問題，它有兩個狀態轉移方程，分別在“基本思路”以及“O(VN)的算法“的小節中給出。希望你能夠對這兩個狀態轉移方程都仔細地體會，不僅記住，也要弄明白它們是怎么得出來的，最好能夠自己想一種得到這些方程的方法。事實上，對每一道動態規劃題目都思考其方程的意義以及如何得來，是加深對動態規劃的理解、提高動態規劃功力的好方法。

2.完全背包問題 Acwing 03

有 N 種物品和一個容量是 V 的背包，每種物品都有無限件可用。

第 i 種物品的體積是 vi，價值是 wi。

求解將哪些物品裝入背包，可使這些物品的總體積不超過背包容量，且總價值最大。
輸出最大價值。

輸入格式
第一行兩個整數，N，V，用空格隔開，分別表示物品種數和背包容積。

接下來有 N 行，每行兩個整數 vi,wi，用空格隔開，分別表示第 i 種物品的體積和價值。

輸出格式
輸出一個整數，表示最大價值。

數據范圍
0<N,V≤1000
0<vi,wi≤1000
輸入樣例
4 5
1 2
2 4
3 4
4 5
輸出樣例：
10

樸素版解法：二維空間解法
也是兩種選擇，選或不選，只不過每個物品可以選無限次，在01的基礎上把
f[i][j]=max(f[i][j],f[i-1][j-v[i]]+w[i])改為f[i][j]=max(f[i][j],f[i][j-v[i]]+w[i])

#include<iostream> #include<cstring> #include<algorithm>|using namespace std;const in N =1010;int f[N][N]; int w[N]; int v[N]; int n,m; int main() {cin>>n>>m;for(int i=0;i<n;i++)scanf("%d%d",&v[i],&w[i]);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]);} }cout<<f[n][m]<<endl;return 0; }

?優化空間版解法：二維轉化為一維空間
轉移方程為f[j]=max(f[j],f[j-v[i]]+w[i])
第二層從小到大循環，原因參考01的一維

/* f[i]表示 總體積是i的情況下，最大價值是多少。result = max{f[0...m]}for(int i =0;i<n;i++) {for(int j =v[i];j<= m;j++)f[j] = max（f[j],f[j-v[i]]+w[i]）; }數學歸納法： 1.假設考慮前i-1個物品之后，所有的f[j]都是正確的 2.來證明：考慮完第i個物品后，所有的f[j]也都是正確的對于某個j而言，如果最優解中包含k個v[U]:f[j - k * v[i]];f[k -(k - 1)*v[i] -v[i]]+w[i]]包含1個v[i]... f[j] f[j-v[i]]+w[i]*/#include<iostream> #include<cstring> #include<algprithm>using namespace std;const int N =1010;int f[N]; int n,m,w,v; int main() {cin>>n>>m;for(int i=0;i<n;i++){cin>>v>>w;for(int j=v;j<=m;j++){f[j]=max(f[j],f[j-v]+w);} }cout<<f[m]<<endl;return 0; }

?

總結

以上是生活随笔為你收集整理的背包九讲----02完全背包问题的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。