Java数据结构与算法(多重背包)

前言:

多重背包问题（Multiple Knapsack Problem, MKP）是背包问题的一个变种。在这种问题中，你有多个背包，每个背包都有一定的容量。你需要选择一些物品放入这些背包中，以使放入物品的总价值最大化。每个物品都有一个价值和一个重量，并且可以被放入一个或多个背包中，但每个物品只能使用有限的次数。

问题描述

背包问题分类:

• 0-1背包问题 Java数据结构与算法(0/1背包问题)-CSDN博客
• 0-1背包问题优化Java数据结构与算法(0/1背包问题优化)-CSDN博客
• 完全背包问题 Java数据结构与算法(完全背包)-CSDN博客
• 多重背包问题Java数据结构与算法(多重背包)-CSDN博客
• 混合背包问题
• 二维背包问题
• 分组背包问题
• 有依赖的背包问题 (困难)

解题思路:

• 输入参数:

  • values: 每个物品的价值数组。
  • weights: 每个物品的重量数组。
  • quantities: 每个物品的数量限制数组。
  • capacities: 每个背包的容量数组。

• 数据转换:

  • 将每种物品根据其数量限制转换为多个单一物品，以便于使用 0/1 背包的逻辑进行处理。

• 动态规划:

  • 使用一维数组 dp 来保存当前容量下的最大价值。
  • 通过更新 dp 数组，逐步计算每个容量下的最优解。

• 结果计算:

  • 最后计算每个背包的最大容量下的最大值。

实现代码

import java.util.ArrayList;
import java.util.List;

public class MultipleKnapsack {

    public static void main(String[] args) {
        int[] values = {60, 100, 120};
        int[] weights = {10, 20, 30};
        int[] quantities = {2, 1, 1};
        int[] capacities = {50, 50};

        int maxValue = multipleKnapsack(values, weights, quantities, capacities);
        System.out.println("Maximum value: " + maxValue);
    }

    public static int multipleKnapsack(int[] values, int[] weights, int[] quantities, int[] capacities) {
        int n = values.length;
        int m = capacities.length;

        // Transform each item into multiple items based on its quantity
        List<Integer> newValues = new ArrayList<>();
        List<Integer> newWeights = new ArrayList<>();
        for (int i = 0; i < n; i++) {
            for (int j = 0; j < quantities[i]; j++) {
                newValues.add(values[i]);
                newWeights.add(weights[i]);
            }
        }

        int[] dp = new int[sum(capacities) + 1];

        // Apply 0/1 Knapsack logic for each of the new items
        for (int k = 0; k < newValues.size(); k++) {
            int value = newValues.get(k);
            int weight = newWeights.get(k);
            for (int c = sum(capacities); c >= weight; c--) {
                dp[c] = Math.max(dp[c], dp[c - weight] + value);
            }
        }

        // Find the maximum value fitting into the combined capacity
        int maxValue = 0;
        for (int cap : capacities) {
            maxValue = Math.max(maxValue, dp[cap]);
        }

        return maxValue;
    }

    private static int sum(int[] array) {
        int sum = 0;
        for (int num : array) {
            sum += num;
        }
        return sum;
    }
}

QA1: