多重背包问题

有 N 种物品和一个容量是 V 的背包。
第 i 种物品最多有 $s_i$ 件，每件体积是 $v_i$，价值是 $w_i$。求解将哪些物品装入背包，可使物品体积总和不超过背包容量，且价值总和最大。输出最大价值。

01背包是指每个物品只有一个，完全背包问题是指每个物品有无数个。那么多重背包问题就是将二者折中，每个物品都是有限个，但不一定只有一个。

其实这就是一个01背包的拓展版。我们已知01背包对每个物品只有取或者不取两种情况（0和1两种情况），而多重背包就是将两种情况拓展为 $n+1$ 种情况。或者说01背包是多重背包的特殊版，即每个物品只有一个。

当某个物品有n个的时候，则取物的情况会有 n+1 种 （0 1 2 3 4 5 6 … n）那么知道了这一点，剩下的就是直接套01背包的模板了。

#include <iostream>
#include <algorithm>
#include <cstring>
#define MAX 2100

using namespace std;

int f[MAX];
int N, V;

int main()
{
	cin >> N >> V;
	for (int i = 1; i <= N; i++)
	{
		int v, w, s;
		cin >> v >> w >> s;
		for (int j = V; j >= 0; j--)
			for (int k = 0; k <= s && k * v <= j; k++)
				f[j] = max(f[j], f[j - k * v] + k * w);
	}

	cout << f[V] << endl;

	return 0;
}

不难发现，这种做法十分朴素与直接，简单易懂。同时也带来了一些问题。代码结构里有三个循环，时间复杂度很高。所以当遇到大数据就会超时。所以要找到一种可以降低时间复杂度的方法，以备不时之需。

现在介绍一种二进制法。
二进制法就是将个数拆分成一个个2的幂次方表示，如7=1+2+4，6=2+4.但会遇到一些无法化解的数，如10=（1+2+4）+3，所以遇到这种情况可以进行特殊操作。这样遍历的复杂度就降下来了。

#include <iostream>
#include <algorithm>
#include <cstring>
#include <vector>
#define MAX 2100

using namespace std;

int f[MAX];
int N, V;
struct Good
{
	int v, w;
};

int main()
{
	vector<Good> goods;
	cin >> N >> V;
	for (int i = 0; i < N; i++)
	{
		int v, w, s;
		cin >> v >> w >> s;
		for (int k = 1; k <= s; k *= 2)
		{
			s -= k;
			goods.push_back({ v * k, w * k });
		}
		if (s > 0) goods.push_back({ v * s,w * s });
	}

	for (auto good : goods)
	{
		for (int j = V; j >= good.v; j--)
			f[j] = max(f[j], f[j - good.v] + good.w);
	}

	cout << f[V] << endl;
	return 0;
}

这样时间复杂度就降到了两层循环。