Add the section of unbounded knapsack problem.

codes/java/chapter_dynamic_programming/unbounded_knapsack.java

@@ -0,0 +1,63 @@
+/**
+ * File: unbounded_knapsack.java
+ * Created Time: 2023-07-11
+ * Author: Krahets (krahets@163.com)
+ */
+
+package chapter_dynamic_programming;
+
+public class unbounded_knapsack {
+    /* 完全背包：动态规划 */
+    static int unboundedKnapsackDP(int[] wgt, int[] val, int cap) {
+        int n = wgt.length;
+        // 初始化 dp 表
+        int[][] dp = new int[n + 1][cap + 1];
+        // 状态转移
+        for (int i = 1; i <= n; i++) {
+            for (int c = 1; c <= cap; c++) {
+                if (wgt[i - 1] > c) {
+                    // 若超过背包容量，则不选物品 i
+                    dp[i][c] = dp[i - 1][c];
+                } else {
+                    // 不选和选物品 i 这两种方案的较大值
+                    dp[i][c] = Math.max(dp[i - 1][c], dp[i][c - wgt[i - 1]] + val[i - 1]);
+                }
+            }
+        }
+        return dp[n][cap];
+    }
+
+    /* 完全背包：状态压缩后的动态规划 */
+    static int unboundedKnapsackDPComp(int[] wgt, int[] val, int cap) {
+        int n = wgt.length;
+        // 初始化 dp 表
+        int[] dp = new int[cap + 1];
+        // 状态转移
+        for (int i = 1; i <= n; i++) {
+            for (int c = 1; c <= cap; c++) {
+                if (wgt[i - 1] > c) {
+                    // 若超过背包容量，则不选物品 i
+                    dp[c] = dp[c];
+                } else {
+                    // 不选和选物品 i 这两种方案的较大值
+                    dp[c] = Math.max(dp[c], dp[c - wgt[i - 1]] + val[i - 1]);
+                }
+            }
+        }
+        return dp[cap];
+    }
+
+    public static void main(String[] args) {
+        int[] wgt = { 1, 2, 3 };
+        int[] val = { 5, 11, 15 };
+        int cap = 4;
+
+        // 动态规划
+        int res = unboundedKnapsackDP(wgt, val, cap);
+        System.out.println("不超过背包容量的最大物品价值为 " + res);
+
+        // 状态压缩后的动态规划
+        res = unboundedKnapsackDPComp(wgt, val, cap);
+        System.out.println("不超过背包容量的最大物品价值为 " + res);
+    }
+}