每周学习总结：第八周。
本周学习：动态规划背包问题（四种类型：一、01背包；二、完全背包；三、多重背包；四、分组的背包问题。）(三四 下周总结。)
一 、 01背包；
（物品选不选，物品只能用一次。）
问题描述：有N件物品和一个容量为V的背包。第i件物品的费用（即体积，下同）是w[i]，价值是val[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量，且价值总和最大。
解题思路：用动态规划的思路，阶段就是“物品的件数”，状态就是“背包剩下的容量”，那么很显然dp[ i , v ] 就设为从前 i 件物品中选择放入容量为 v 的背包最大的价值。那么状态转移方程为：
dp[i][v]=max（ dp[i-1][v],dp[i-1][v-w[i]]+val[i] ）。
这个方程可以如下解释：只考虑子问题“将前 i 个物品放入容量为 v 的背包中的最大价值”那么考虑如果不放入 i ，最大价值就和 i 无关，就是 dp[ i - 1 ][ v ] , 如果放入第 i 个物品，价值就是 dp[ i - 1][ v - w[i] ] + val[ i ]，我们只需取最大值即可。
优化思想：
需要用计算顺序来保证当计算dp[i][j]时，dp[j-k]中存储的都是i-1时的值。
直接修改代码，发现dp[j-k]会被第i次计算覆盖。
所以让j从大到小计算，可以保证dp[j-k]保存着上一轮计算的值不被覆盖。
部分代码：
for(int i=1;i<=n;i++){
for(int j=m;j>=val[i];j--){
dp[j]=max(dp[j],dp[j-val[i]]+w[i]);
}
}
所以解题代码：
#include<iostream>
#include<cstdio>
#include<cstring>
using namespace std;
const int maxn = 1e4;
int dp[maxn];
int w[maxn],val[maxn];
void solve(int n,int m)
{
memset(dp,0,sizeof (dp));
for(int i = 1;i <= n;i++)
{
for(int v = m;v > 0;v--)
{
if(v >= w[i])
dp[v] = max(dp[v],dp[v-w[i]]+val[i]);
}
}
printf("%d\n",dp[m]);
}
int main(){
int n,m;
while(scanf("%d%d",&n,&m) != EOF){
for(int i = 1;i <= n;i++) scanf("%d%d",w+i,val+i);
solve(n,m);
}
return 0;
}
二、完全背包。
（物品无限选）。
问题描述：有N种物品和一个容量为V的背包，每种物品都有无限件可用。第i种物品的费用是w[i]，价值是val[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量，且价值总和最大。
解题思路：完全背包问题与0/1背包问题不同之处在于其每个物品是无限的，从每种物品的角度考虑，与它相关的策略就变成了取0件、1件、2件…。我们可以根据0/1背包的思路，对状态转移方程进行改进，令f[i][v]表示前 i 种物品恰放入一个容量为 v 的背包的最大权值。状态转移方程就变成了：
f[i][v]=max(f[i-1][v],f[i][v-w[i]]+val[i])
我们通过对0/1背包的思路加以改进，就得到了完全背包的一种解法，这种解法时间复杂度为O（n^3）， 空间复杂度 为O （n^2）。
时间优化：根据上述f[ i ][ v ]的定义，其为前 i 种物品恰好放入容量为 v 的背包的最大权值。根据上述状态转移方程可知，我们假设的是子结果f[ i-1 ][ v-k*w[i] ]中并没有选入第 i 种物品，所以我们需要逆序遍历（像0/1背包一样）来确保该前提；但是我们现在考虑“加选一件第 i 种物品”这种策略时，正需要一个可能已经选入第 i 种物品的子结果f[ i ][ v-w[i] ]，于是当我们顺序遍历时，就刚好达到该要求。这种做法，使我们省去了一层循环，即第 i 种物品放入的件数k，从而时间复杂度优化为O（n^2）。
空间优化：正如0/1背包的空间优化，上述状态转移方程已经优化为：
f[i][v]=max(f[i-1][v],f[i][v-w[i]]+val[i])
将这个方程用一维数组实现，便得到了如下伪代码：
for i = 1..N
for v = 0..V
f[v] = max(f[v],f[v-w[i]] + val[ i ] );
计算顺序：从小到大。在计算第i个物品时，f[j]中存储的数据不需要为第i-1个物品的情况，因为物品i可以取多个。所以f[j]的意义变为了前i个物品任意取，体积为j的最大价值。取i-1和取i个物品的情况共同竞争体积为j的f[j]。
感想：
能力有限 ，目前就学了这两种。
1、 动态规划的状态转移方程是与所确定状态紧密联系的，因此要写出方程，还应仔细思考状态可能有哪些情况。
总而言之，动态规划，是利用抽象的思维来解决问题的，处理动态规划问题时，一定要找准状态（重要），通过严密的思维和逻辑推导出方程，并处理好边界的状态。
下周目标：
1、每天1~2题， 周末 2~3 题 。
标签：总结,方程,背包,val,int,第八,物品,dp 来源： https://blog.csdn.net/qq_51153436/article/details/116352397
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。