(动态规划)多重背包的二进制优化

解释一下为什么多重背包不能像完全背包一样进行优化

也就是为什么不能直接f[i][j]=max(f[i-1][j],f[i-1][j-v[i]]+w[i]

因为如果我们将f[i][j]以及f[i][j-v[i]展开来的话就会发现f[i][j-v[i]]会比f[i][j]多出来一项

这样我的话我们就无法用f[i][j-v[i]的最大值去转移到f[i][j]的最大值

实际上普通的多重背包问题也讲过，可以一直把多重背包转化 成01背包问题

但是如果一个一个去问到底选还是不选的话时间复杂度是o(n3）所以大概率是会TLE的

那么我们不妨想不想，如果我们不是一个一个去问的话，而是每次拿一堆去问到底是选还是不选

是不是可以节省很多时间呢

这里我们可以想到用二进制一样把同样物品的个数分为很多堆，1，2，4，8，16.....这样

因为我们知道10，01，100，1000这样的二进制数组合在一起可以表示任意其中的数

比如：

我们一个物品它有9个

我们可以把他拆分为1，2，4，2这样的几堆，他们四个数就可以表示1~9中所有的数了

最后一个2是因为8不满足了所以我们直接把剩下来的放进一堆

通俗一点的解释就是，比方进货商去进货，他要10000个货物你总不能一个一个数给他，

你可以把货物分成1，2，4，8，16等等堆然后拿去问他这样就大大的节省了时间

然后呢这个题目不能用二维的做法 会超内存

所以只能用一维的代码如下