java---dp动态规划---多重背包（每日一道算法2022.10.9）

注意事项：
最好先理解01背包和完全背包：
java—dp动态规划—完全背包
java—dp动态规划—01背包

题目：
有 N 种物品和一个容量是 V 的背包
第 i 种物品最多有 si 件，每件体积是 vi，价值是 wi
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

第一行两个整数，N，V，用空格隔开，分别表示物品种数和背包容积
接下来有 N 行，每行三个整数 vi,wi,si，用空格隔开，分别表示第 i 种物品的体积、价值和数量

0 < N ≤ 1000
0 < V ≤ 2000
0 < vi,wi,si ≤ 2000

输入:
4 5
1 2 3
2 4 1
3 4 3
4 5 2

输出：
10

public class 动态规划_多重背包 {
    //这里开25000是因为2000 * log(1000)也就是24000，以防万一再开大一点
    //v是体积，w是价值
    public static int N = 25000, n, m;
    public static int[] v = new int[N], w = new int[N];
    public static Scanner in = new Scanner(System.in);


    public static void main(String[] args) {
        n = in.nextInt(); m = in.nextInt();

        op_multi();
    }

    //基础版，时间复杂度为O(n^3)
    public static void base_multi() {
        int[][] f = new int[N][N];
        int[] s = new int[N]; //s存储个数

        //读入数据
        for (int i = 1; i<=n; i++) {
            v[i] = in.nextInt(); w[i] = in.nextInt(); s[i] = in.nextInt();
        }

        //状态计算
        for (int i = 1; i<=n; i++) {
            for (int j = 0; j<=m; j++) {
                //这里的判断条件是和完全背包唯一的区别，完全背包可以选无数个，但多重背包最多只能选s[i]个
                for (int k = 0; k*v[i] <= j && k <= s[i]; k++) {
                    f[i][j] = Math.max(f[i][j], f[i-1][j - k*v[i]] + k*w[i]);
                }
            }
        }

        System.out.println(f[n][m]);
    }


    //优化版，使用到了优化01背包，同时进行二进制优化，时间复杂度为O(n^2乘logS)
    public static void op_multi() {
        int[] f = new int[N];

        int count = 0;  //count表示当前是第几堆
        for (int i = 1; i<=n; i++) {
            int a = in.nextInt(), b = in.nextInt(), s = in.nextInt(); //当前物品的体积，价值，个数

            //通过二进制进行优化，每次从s中拿取k，k为2^0,2^1,2^2...直到无法拿出，每次都分为一堆
            int k = 1;
            while (k <= s) {
                count++;
                v[count] = a * k;
                w[count] = b * k;
                s -= k;
                k <<= 1;
            }

            //如果s还有剩下，那么就将其分为新的一堆
            if (s > 0) {
                count++;
                v[count] = a * s;
                w[count] = b * s;
            }
        }

        //一维01背包，这里注意是用count作为界限，现在是要对所有堆进行处理
        for (int i = 1; i<=count; i++) {
            for (int j = m; j>=v[i]; j--) {
                f[j] = Math.max(f[j], f[j - v[i]] + w[i]);
            }
        }

        System.out.println(f[m]);
    }
}

思路（借鉴‘大厂狗狗’大佬的例子）：

多重背包问题的难点在于二进制优化到底是什么？

传统思维：
要求在一堆苹果选出n个苹果，一个一个地去选，选够n个苹果就停止，这样选择的次数就是n次

二进制优化思维：
现在给出一堆苹果和10个箱子，选出n个苹果，将这一堆苹果分别按照2的次方1,2,4,8,16,…512分到10个箱子里，那么由于任何一个数字 x ∈ [0,1023] (第11个箱子才能取到1024) 都可以从这10个箱子里的苹果数量表示出来，这样选择的次数就是 ≤10次

具体例子：
如果要拿1001个苹果，传统思维就是要拿1001次；而二进制的思维，就是拿7个箱子就行（分别是装有512、256、128、64、32、8、1个苹果的这7个箱子） 这样一来，1001次操作就变成7次操作就行了

而如果苹果个数还有剩余，例如9个苹果，1+2+4，还多余2个，那么我们将剩下的单独分到一个箱子中即可，这样就转化为了一个01背包问题，我们只需要考虑所有箱子如何进行选取即可

声明：
算法思路来源为y总，详细请见https://www.acwing.com/
本文仅用作学习记录和交流