多重背包

多重背包
多重背包问题是由0-1背包问题引申而来，在解决多重背包问题之前我们先来了解一下0-1背包问题

0-1背包问题
问题描述：给定n种物品和一背包。物品i的重量是w,其价值为v，背包的容量为C。问:应该如何选择装入背包的物品,使得装入背包中物品的总价值最大?

在选择装人背包的物品时,对每种物品i只有两种选择,即装入背包或不装入背包。不能将物品i装入背包多次，也不能只装入部分的物品i。因此，该问题称为0-1背包问题。
多重背包
①有一个背包，其在n个维度上的容量为 [c1,c2…cn] 。这n个维度可以包括背包载重、背包体积等等属性。

②有m件物品，每件物品i在n个维度上的“重量”为 [w1,w2…wn] ，每件物品i的价值为 v[i] 。

③需要从这m件物品中进行挑选并放入背包，使得物品的总“重量”不超过背包的容量，并让背包中物品的价值最大化。

解决背包问题的常用算法有：
①贪婪算法：计算各物品的性价比（性价比=物品价值/物品“重量”），按照性价比从高到低的顺序选择物品，直至背包中无法放入任何物品为止。
优点：算法简单、求解速度快。
缺点：求得的结果不一定为最优解。

②整数规划：由于数学模型为整数规划，故可用已有的商业求解器解决。
优点：求解速度快、求解结果为最优解。
缺点：需要安装一个求解器。

③动态规划：记录子问题的解，并用子问题的解求出原问题的解。
优点：维度低时求解速度快、求解结果为最优解。
缺点：维度高时求解速度慢、空间复杂度较大（因为要记录子问题的解）。