多重背包：经典DP问题( 基本/二进制优化/单调队列优化 )

最新推荐文章于 2024-03-13 14:40:28 发布

Belous

最新推荐文章于 2024-03-13 14:40:28 发布

阅读量6k

点赞数 23

分类专栏： DP 文章标签： DP 背包问题

本文链接：https://blog.csdn.net/belous_zxy/article/details/80357450

版权

DP 专栏收录该内容

9 篇文章 1 订阅

订阅专栏

状态转移方程可以稍微修改完全背包问题的得到，dp[ind][jnd]=Max(dp[ind-1][jnd-knd*k]+knd*value,dp[ind-1][jnd])，原方程不变，需要改的是knd的范围，完全背包每个物品的个数是无限个，knd仅需要满足knd*k<=jnd。现在每个物品有了自己的最大数目( cnt )，也就是说还需要满足knd<=cnt。

经过上面的推论，在 jnd<k 时，dp[ind][jnd]=dp[ind-1][jnd] ；jnd>=k时，dp[ind][jnd]=Max(dp[ind-1][jnd-knd*k]+knd*value,dp[ind-1][jnd]) | knd<=cnt | knd*k<=jnd 。

#include <stdio.h>
#define Max(a, b) (a > b ? a : b)
int dp[1005][10005];
int k[1005], value[1005], cnt[1005];
int main(int argc, char *argv[])
{
    int i, j, s;
    scanf("%d %d", &i, &j);
    for (int ind = 1; ind <= i; ++ind)
        scanf("%d %d %d", &k[ind], &value[ind], &cnt[ind]);
    for (int ind = 1; ind <= i; ++ind)
    {
        for (int jnd = 1; jnd <= j; ++jnd)
        {
            if (jnd - k[ind] < 0)
                dp[ind][jnd] = dp[ind - 1][jnd];
            else
            {
                s = dp[ind - 1][jnd];
                for (int knd = 1; knd * k[ind] <= jnd && knd <= cnt[ind]; knd++)
                    s = Max(s, dp[ind - 1][jnd - knd * k[ind]] + knd * value[ind]);
                dp[ind][jnd] = s;
            }
        }
    }
    printf("%d\n", dp[i][j]);
    return 0;
}

**二进制优化：

*NEW*：测试题链接（须二进制优化）

不经优化的状态转移方程直接求解时间复杂度太高，大多需求都不能满足。考虑能不能通过什么方法进行优化，首先想到的是能在01背包和完全背包问题中用到的一维滚动数组方法。多重背包问题介于这两者之间，根据上面的状态转移方程推导可以得出当cnt的值满足( cnt*k>=j )的时候，可以认为这个物品是有无限个的，因为全部用这个物品来装背包数量也够用，于是这种情况可以用完全背包的滚动数组法解决。( cnt*k<j )时物品肯定是有限个的，可以认为它们是一个个单个物品，挨个用01背包滚动数组法解决，但是这么做时间复杂度就太高了。这里考虑用二进制来表示物品的个数，因为二进制可以分解任意正整数，比如说数字 7 可以二进制分解成 1+2+4 、13 = 1+2+4+6 。从1开始分解，直到不够分出一个2的指数为止，补上剩余的数就是分解的结果，为什么这样做呢？

用分解的数( I )各自代表一个物品，它们是原物品重量和价值的 I 倍，挨个01背包处理，时间被大大优化。再者，分解出来的数通过选择或不选可以组合成任意一个 0~cnt 的数，而且又保证了 0 会是能组合出来的最小数，cnt 是能组合出来的最大数。出来的结果会和不经优化的完全一样。

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#define Max(a, b) (a > b ? a : b)
#define ArrayMax 10005
int dp[ArrayMax];
int main(int argc, char *argv[])
{
    int i, j;
    scanf("%d %d", &i, &j);
    while (i--)
    {
        int k, value, cnt;
        int now = 1;
        scanf("%d %d %d", &k, &value, &cnt);
        if (cnt * k >= j)
        {
            for (int ind = k; ind <= j; ind++)
                dp[ind] = Max(dp[ind - k] + value, dp[ind]);
        }
        else
        {
            while (1)
            {
                if (cnt > now)
                {
                    cnt -= now;
                    for (int ind = j; ind >= k * now; ind--)
                        dp[ind] = Max(dp[ind - k * now] + now * value, dp[ind]);
                    now *= 2;
                }
                else
                {
                    now = cnt;
                    for (int ind = j; ind >= now * k; ind--)
                        dp[ind] = Max(dp[ind - now * k] + now * value, dp[ind]);
                    break;
                }
            }
        }
    }
    printf("%d\n", dp[j]);
    return 0;
}

*****单调队列优化：

*NEW*：测试题链接（须单调队列优化）

dp[ind][jnd]=Max(dp[ind-1][jnd-knd*k]+knd*value,dp[ind-1][jnd]) | knd<=cnt | knd*k<=jnd 再拿出上面写出来的状态转移方程看看，观察如何减少重复运算？

当背包最大容量是 10 ，当前物品容量 3 价值 4 数量 3 。走一遍现在状态转移方程
当前背包容量3 dp[3] dp[3-1*3]+1*4 ( 最多放一个，两个值取最大值 )
当前背包容量4 dp[4] dp[4-1*3]+1*4 ( 同上 )
当前背包容量5 dp[5] dp[5-1*3]+1*4 ( 同上 )
当前背包容量6 dp[6] dp[6-1*3]+1*4 dp[6-2*3]+2*4 ( 最多放两个，三个值取最大值 )
当前背包容量7 dp[7] dp[7-1*3]+1*4 dp[7-2*3]+2*4 ( 同上 )
当前背包容量8 dp[8] dp[8-1*3]+1*4 dp[8-2*3]+2*4 ( 同上 )
当前背包容量9 dp[9] dp[9-1*3]+1*4 dp[9-2*3]+2*4 dp[9-3*3]+3*4 ( 最多放三个，四个值取最大值 )
当前背包容量10 dp[10] dp[10-1*3]+1*4 dp[10-2*3]+2*4 dp[10-3*3]+3*4 ( 同上 )

可以发现对每个容量背包计算时，都是取多个数的最大值，而且数的个数是能放进当前物品的最大值加一。每一项中 dp[] 有很多是重复的，但是 dp[] 重复时，后面的常数项却并不重复，于是可以考虑对每组背包的数据都减去一个常数，取到最大值后再加回来，就可以在保证结果不变的同时，出现许许多多的重复项。

对每个背包容量的数减去当前背包放最大当前物品时的价值 ( j/k )

当前背包容量0 dp[0] ( 一个也放不了 )
当前背包容量1 dp[1] ( 同上 )
当前背包容量2 dp[2] ( 同上 )
当前背包容量3 dp[3]-1*4 dp[3-1*3] ( 最多放一个，减去1*4 )
当前背包容量4 dp[4]-1*4 dp[4-1*3] ( 同上 )
当前背包容量5 dp[5]-1*4 dp[5-1*3] ( 同上 )
当前背包容量6 dp[6]-2*4 dp[6-1*3]-1*4 dp[6-2*3] ( 最多放两个，减去2*4 )
当前背包容量7 dp[7]-2*4 dp[7-1*3]-1*4 dp[7-2*3] ( 同上 )
当前背包容量8 dp[8]-2*4 dp[8-1*3]-1*4 dp[8-2*3] ( 同上 )
当前背包容量9 dp[9]-3*4 dp[9-1*3]-2*4 dp[9-2*3]-1*4 dp[9-3*3] ( 最多放三个，减去3*4 )
当前背包容量10 dp[10]-3*4 dp[10-1*3]-2*4 dp[10-2*3]-1*4 dp[10-3*3] ( 同上 )

相同颜色项是相同的，可以看到有很多重复项，当背包总容量能放下很多当前物品时，重复项会很多。根据这个方法改进状态转移方程，设背包放下最大可容量个数的物品后剩余容量 ind = j%k ，

状态转移方程得到：dp[i][j] = Max( dp[i-1][ind+jnd*k]-jnd*value , dp[i-1][j] )

( j/k-cnt<=jnd<=j/k )

jnd 代表的意思是当前背包比可以放当前背包的数量少几，如果最多放3个当前物品，那么jnd可以是0~3。然而到此为止并没有进行实质性的优化，因为只是改变了状态转移方程使之出现许多重复项，如何重复使用这些重复项呢？那就是使用单调队列！我们先从上面的例子中取出ind相同的，如当前背包容量是3、6、9的，它们的 ind 都是 0。

当前背包容量0 dp[0]
当前背包容量3 dp[3]-1*4 dp[0]
当前背包容量6 dp[6]-2*4 dp[3]-1*4 dp[0]
当前背包容量9 dp[9]-3*4 dp[6]-2*4 dp[3]-1*4 dp[0]

使用从大到小的单调队列对上面三个背包容量求最大值，当背包容量是0，求得dp[0]存入单调队列中，当前最大值显然是刚存进去的队首dp[0]，取出后加上0*value( 这里的0是指容量0的背包最大可取当前物品数量j/k )。以此类推，单调队列的队首总是当前刚入队的值和之前所有队中元素的最大值，取出加上j/k即可。每个容量的背包需要完成的操作就是入队然后取队首。

到此还有种情况没有考虑到，将上面例子中背包最大容量调整至12时，存在下面的组合

当前背包容量12 dp[12]-4*4 dp[9]-3*4 dp[6]-2*4 dp[3]-1*4 dp[0]

然而此时背包可选项是前四项，最后的 dp[0] 是取四个当前物品的对应项，然而cnt限制最多取3个当前物品，所以还需要进行的一个额外操作是将超出限制的队首出栈。至于为什么每次出队只可能有一个，因为每次单调队列入队时都将当前元素放在队尾，它前面的元素数值肯定比他都大，且下标都小于它的下标。

也就是说一组在ind相同时，jnd从0~(m-ind)/k递增，求得每个jnd对应的 dp[jnd*k+ind]-jnd*value 项，单调队列入队后检查队首下标是否超出cnt的限制，超出则将队首出队，最后取队首加上 jnd*value 赋值给原来的dp[j]，也就是改变状态转移方程后的 dp[jnd*k+ind] 。

外面再遍历可能的 ind 值，0<=ind<k。完成单调队列优化的多重背包问题！

#include <iostream>
using namespace std;
#define Max(a, b) ((a > b) ? (a) : (b))
const int ArrMax{20010};
int dp[ArrMax], que[ArrMax], book[ArrMax];
int main(int argc, char **argv)
{
    int N, V;
    cin >> N >> V;
    while (N--)
    {
        int v, w, s;
        cin >> v >> w >> s;
        if (v * s >= V)
            for (int ind = v; ind <= V; ++ind)
                dp[ind] = Max(dp[ind], dp[ind - v] + w);
        else
            for (int ind = 0; ind < v; ++ind)
            {
                int head{0}, tail{0};
                for (int jnd = 0; jnd <= (V - ind) / v; ++jnd)
                {
                    auto temp{dp[ind + jnd * v] - jnd * w};
                    while (head < tail && que[tail - 1] <= temp)
                        --tail;
                    book[tail] = jnd;
                    que[tail++] = temp;
                    if (book[head] < jnd - s)
                        ++head;
                    dp[ind + jnd * v] = que[head] + jnd * w;
                }
            }
    }
    cout << dp[V] << endl;
    return EXIT_SUCCESS;
}

上面写出的三种做法，时间复杂度是依次减少的，在51nod上的多重背包模板题测试得出。( 链接地址 )

基本法超时( >1000ms )( 约O(n*m*cnt) )，二进制优化法在62ms左右( 约O(n*m*log(cnt)) )，单调队列优化法可以达到15ms左右( 约O(n*m) )，以此可以看出单调队列优化后的DP是多么的犀利。

END

Belous

关注

23
点赞
踩
57

收藏

觉得还不错? 一键收藏
7
评论
多重背包：经典DP问题( 基本/二进制优化/单调队列优化 )

目录基本方法**二进制优化*****单调队列优化多重背包问题描述：介于01背包和完全背包问题之间，每种物品的最大选取数目都是已知的。对于一定数量( i )的物品有一个容量为( j )的背包，每个物品都有自己的容量( k )、价值(value)和数目( cnt )。在保证物品容量之和不大于背包容量的前提下，如何选取物品得到最大价值？基本方法：*NEW*：测试题链接（基本方...
复制链接

扫一扫