藉著前面的白話揹包之01揹包的基礎，來結合圖看看完全揹包是個什麼東東，希望以後自己看能一目了然，能對剛接觸的童鞋有幫助是最好不過滴
一：關於完全揹包
有n個物品，每個物品（有無限多個） i 對應有重量w[i]、價值va[i]。有乙個揹包可以放m重的物品，現在讓你從n鐘物品中選擇一些物品，在不超過揹包上限情況使得揹包裝的價值最大。
二：初步了解完全揹包演算法
那麼這裡看看狀態轉移方程：
dp[i][j]=max，理解為在考慮第i件物品的時候，揹包剩餘容量為j下獲得的最大利益。
看看**：解釋清楚再優化
for(int i = 1; i <= n; i ++)
dp[i][j] = max;}}
那麼先考慮 dp[1][3]的情況，我們發現，在這裡，k迴圈的時候只能取 1，使得dp[1][3] = dp[0][3-1*3]+1*2 = dp[0][0]+2 = 2;意思是，考慮第一件物品，揹包大小為3的情況，我們能放1個第一件物品(多了就放不下啦)，使得這個狀態下收益最大。
那麼同理，考慮第一件物品的時候，揹包的其他狀態更新如下：
可以發現，一直到揹包容量為6之前，都只可以放下乙個第一件物品，那麼容量為6的時候，剛好就可以放進兩個
那麼這裡我們就可以發現，其實第一件物品、容量為6的狀態dp[1][6]，可以在dp[1][3]的狀態得到，並且其他的狀態也類似。。。
三：那麼我們可以引入優化的一維陣列，同時也降低時間複雜度
先看看一維陣列的演算法：
for(int i = 1; i <= n; i ++)
}
那麼，到6之前就變成了
那麼更新 dp[6]的時候，就可以依靠dp[3]+va[1] 得到，那麼在考慮其他的物品的時候，也就類似啦。那麼這裡也就是需要區別01揹包的地方。。。就是for迴圈的時候，是從小到大，因為考慮當前狀態dp[j]的時候，我們是必須依靠前面已有的狀態 (也就是，前面一定放了這件物品，我們再放一件，看能不能得到更大利益) 來更新現在的狀態。
ok，到此完全揹包完畢
個人愚昧觀點，歡迎指正與討論
揹包問題之完全揹包
完全揹包 有n種物品，每種物品有無限個，每個物品的重量為w i 價值為v i 現在有乙個揹包，它所能容納的重量為c，問 你的揹包所能帶走的最大價值是多少？之前01揹包分析過了，如果是順序的話，就表示同一物品可以多次放入！這就是完全揹包！就是這麼神奇！1 include 2 3using namesp...
揹包之01揹包 完全揹包 多重揹包詳解
首先說下動態規劃，動態規劃這東西就和遞迴一樣，只能找區域性關係，若想全部列出來，是很難的，比如漢諾塔。你可以說先把除最後一層的其他所有層都移動到2，再把最後一層移動到3，最後再把其餘的從2移動到3，這是乙個直觀的關係，但是想列舉出來是很難的，也許當層數n 3時還可以模擬下，再大一些就不可能了，所以，...
揹包 01揹包，完全揹包，多重揹包
哈哈 01揹包 f i v max 完全揹包 f i v max 多重揹包 f i v max include include include include include define maxn 1000 using namespace std int n,cap int w maxn 重量 花...