【动态规划之完全背包问题】完全背包问题的通用解法与优化

⭐️前面的话⭐️

本篇文章将介绍动态规划中的背包问题——完全背包问题，前面我们已经介绍了0-1背包问题，其实完全背包问题就只改了0-1背包问题的一个条件，即物品可选择次数由一次改为无数次，仅此而已，下面我们就来开始介绍完全背包问题。

📒博客主页：未见花闻的博客主页
🎉欢迎关注🔎点赞👍收藏⭐️留言📝
📌本文由未见花闻原创！
📆首发时间：🌴2022年10月22日🌴
✉️坚持和努力一定能换来诗与远方！
💭推荐书籍：📚《算法》，📚《算法导论》
💬参考在线编程网站：🌐牛客网🌐力扣
博主的码云gitee，平常博主写的程序代码都在里面。
博主的github，平常博主写的程序代码都在里面。
🍭作者水平很有限，如果发现错误，一定要及时告知作者哦！感谢感谢！

⭐️【问题导入】完全背包原题⭐️

🔐题目详情

有 $N$ 种物品和一个容量为 $C$ 的背包，每种物品都有无限件。

第 $i$ 件物品的体积是 $v[i]$ ，价值是 $w[i]$ 。

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。

其实就是在 0-1 背包问题的基础上，增加了每件物品可以选择多次的特点（在容量允许的情况下）。

示例 ：

输入: N = 2, C = 5, v = [1,2], w = [1,2]
输出: 5
解释: 选一件物品 1，再选两件物品 2，可使价值最大。

💡解题思路与代码

🍭朴素解法

我们可以直接将0-1背包的状态定义直接拿来使用：

状态定义： 不妨定义$f[i][j]$表示从前$i$件物品中选择，容量不超过$j$的最大价值。

确定初始状态： 当只有一种物品选择时，由于数量是无限的，所以尽量地选就行，不要超过容量$j$，不妨设选这一种物品的最大件数为$k$，则有$f[0][j]=k\times w[i],其中k\times v[i]<=j$。

状态转移方程推导： 当我们选择第$i$件物品的时候，我们可以选择$0,1,\mathrm{2...}k$件，其中$k$是最大能够选择的件数，即在不超过容量$j$的情况下。

当我们不选择第$i$件物品时，即$k=0$，$f[i][j]=f[i-1][j]$。
当我们选择$1$第$i$件物品时，即$k=1$，$f[i][j]=f[i-1][j-v[i]]+w[i]$。
当我们选择$2$第$i$件物品时，即$k=2$