背包问题
题意：给出背包的容量，以及一批物品的价值和大小，求最大价值。
01背包问题
题意
每个物品只能放入一次。
思路
用f[i][v]表示，第i个大小为v的物品放入时的总价值。
c[i]表示第i个物品的价值。w[i]为第i个物品的大小。
状态转移方程：f[i][v] = max(f[i-1][v], f[i-1][v-w[i]]+c[i]);
状态转移方程表示，取放入或者不放入第i个物品两种情况的最大值。
空间优化（滚动数组）
初始状态方程的空间复杂度是O(V*W)，可以进一步优化。
可以将空间优化为O(2*W)，即纵向大小为2。
for(i=1; i<=N; i++){
for(j=t[i]; j<=V; j++)
f[t^1][j] = max(f[c][j-w[i]]+c[i], f[t][j]);
t ^= 1;
}
异或滚动可以在0和1之间切换，可以利用上下反复更新。
空间优化（一维数组）
既然可以用两行进行更新，那为什么不能用一行。
观察问题，两行更新时，用上一行的前部分更新下一行的后部分。
所以单行更新时要从后往前遍历，这样可以用前面的更新后面的。
for(i=1; i<=N; i++)
for(j=V; j>=w[i]; j--)
f[j] = max(f[j-w[i]]+c[i], f[j]);
这样就可以用一维数组来进行更新。
可以写成函数，封装起来。
void ZeroOnePack(int cost, int weight){
for(int i=V; i>=weight; i++)
f[i] = max(f[i], f[i-weight]+cost)
}
初始化的细节问题
一般问题会有两种问法：
- 刚好装满背包
- 不用装满背包
如果是第一种，f[0]=0,f[1]……f[N]=INF;
如果是第二种，f[0]……f[N]=INF;
理解：
如果是第一种，初始状态只有0符合理想状态，只有0才能被空“装满”。
如果是第二种，所有都符合理想状态。
完全背包问题
题意
和01背包相似，所不同的是可取的物品数是无限。
前置小优化
对于i``j两个物品，如果c[i]>c[j] && w[i]<w[j]，就舍去i物品。
另外，针对背包问题而言，比较不错的一种方法是：首先将重量大于V的物品去掉，然后使用类似计数排序的做法，计算出费用相同的物品中价值最高的是哪个，可以O(V+N)地完成这个优化。
基本思路
状态转移方程f[i][v]=max{f[i-1][v-k*w[i]]+k*c[i]},(0<=k*w[i]<=V)
转化为01背包求解
一件物品最多只能放V/c[i]件，所以可以把一件物品，看成V/c[i]件物品，作为01背包解答。
另一种更好的办法是把第i种物品拆成大小为w[i]*2^k、价值为c[i]*2^k的若干件物品，其中k满足w[i]*2^k<=V。这是二进制的思想，因为不管最优策略选几件第i种物品，总可以表示成若干个2^k件物品的和。这样把每种物品拆成O(log(V/w[i]))件物品，是一个很大的改进。
O(VN)算法
for(int i=1; i<=N; i++)
for(int j=w[i]; j<=V; j++)
f[j] = max{f[v], f[v-w[i]]+c[i]};
这个算法和之前的01背包相比只是第二层的遍历方向改变了。因为01背包要保证每个物品只能选择一次，但是完全背包不必，所以改变遍历方向就可以得到结果。
这个算法也可以从另外的思路中得出，例如，基本思路中的公式可以化作这个形式：f[i][v]=max(f[i-1][v], f[i][v-w[i]]+c[i]);
用函数封装：
void CompletePack(int cost, int weight){
for(int i=weight; i<=V; i++)
f[i] = max(f[i], f[i-weight]+cost);
}
多重背包问题
题意
每件物品数量不一定为1但有限。
基本思路
问题和完全背包很相似。
f[i][v]=max{f[i-1][v-k*c[i]]+k*w[I]}(0<=k<=n[I])
复杂度为O(V*Σn[i])。
转化为01背包问题
用n[i]存储，可以将每种物品转化为n[i]件物品，然后用01背包方案求解。复杂度不变。
如果要进行优化的话，依然用二进制思想，同上。
这样可以将时间优化为O(V*Σlog n[i])。
void MultiplePack(int weight, int cost, int amount){
if(cost * amount >= V){
CompletePack(cost, weight);
return;
}
int k = 1;
while(k < num){// num 为物品种数
ZeroOnePack(k*cost, k*weight);
amount = amount-k;
k *= 2;
}
ZeroOnePack(amount*cost, amount*weight);
}
