多重背包的二进制优化问题

在完全背包中：
f[i,j]=max(f[i-1][j],f[i-1][j-w]+v,f[i-1][j-2w]+2v,…)
f[i,j-w]=max(f[i-1,j-w],f[i-1][j-2w]+v,f[i-1][j-3w]+2v…)
通过上述比较，f[i][j]=max(f[i-1][j],f[i-1][j-w]+v)

多重背包中：
f[i,j]=max(f[i-1][j],f[i-1][j-w]+v,f[i-2][j-2w]+2v,…,f[i-1][j-Sw]+Sv)
f[i,j-v]=max(f[i-1][j-w],f[i-1][j-2w]+v,…,f[i-1][j-Sw]+(S-1)v,f[i-1][j-(S+1)w]+Sv)

为什么多重背包末尾多了一项？
其实，一般从实际含义出发来考虑即可，这里是在分析f[i,j−v]这个状态的表达式，首先这个状态的含义是 从前i个物品中选，且总体积不超过j-v的最大价值， 我们现在最多只能选s个物品，因此如果我们选s个第i个物品，那么体积上就要减去 s∗w，价值上就要加上s∗v，那更新到状态中去就是 f[i−1,j−w−s∗w]+s∗v。

为什么完全背包不会有最后一项？
因为完全背包的物品没有个数限制，只要体积够，就可以一直选，没有最后一项。

二进制优化为什么正确？

首先明确三个问题：

1. 转换为01背包的思路就是：判断每个物品是取了好还是不取好？
2. 任意一个实数可以用二进制数表示，也就是2^0 2^k中的一项或几项和。
3. 这里多重背包问的就是每件物品取多少件可以获得最大价值。

分析：

• 如果直接遍历转化为01背包问题，是每次都拿一个来问，取了好还是不取好。那么根据数据范围，这样的时间复杂度是O(n^3) ，就是10^9，这样是毫无疑问是会TLE超时的。

• 假设10个取7个好，那么在第7个之后的状态转移方程都是不取好。现在，用二进制将其分堆，分成k+1个分别有2^k的堆，然后拿每一堆去问，是取了好还是不取好。经过dp选择后，结果与拿一个一个去问是完全一样的，因为dp选择的是最优结果，而根据第2点，任意实数都可以用二进制数表示，如果最终在10个中选7个是最优的，在分堆的过程中分成了 2^0=1，21=2， 2^2=4，10-7=3这4堆，然后去问4次，也就是拿去走dp的状态方程，走的结果是第一堆1个，取了比不取好，第二堆2个取了比不取好，第三堆4个取了比不取好，第四堆8个不取更好，最后选取了1+2+4=7个。

如果仍然不是很能理解的话，取这样一个例子:要求在一堆苹果选出n个苹果。我们传统的思维是一个一个地去选，选够n个苹果就停止。这样选择的次数就是n次

二进制优化思维就是：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，评论区有讨论这个)都可以从这10个箱子里的苹果数量表示出来，但是这样选择的次数就是 ≤10次。

比如：

• 如果要拿1001次苹果，传统就是要拿1001次；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。
  这样利用二进制优化，时间复杂度就从 O(n^3)， 降到O(n^2logS)， 从4^109 ，降到了2∗^107。

代码如下：

public class Main{
   public static void main(String[] args){
        Scanner scan = new Scanner(System.in);
        int N = scan.nextInt();
        int V = scan.nextInt();
        int[] ans = new int[V+1];
        for(int i = 0 ; i < N;i++){
            int w = scan.nextInt();
            int val = scan.nextInt();
            int sum = scan.nextInt();//以上为正常输入，与上题相同。
            int k = 1;//每次分组的物品个数
            while(sum > 0){ //由于sum数目增加，使用上题的sum--会出现time out，这里使用二进制分组的方法。
                            //分别分组为1,2,4...2^n，直到sum不够分为止。
                            //每组可以作为一个整体，视为01背包问题的一个物品。
                if(sum - k < 0){//剩下不够分一组，拿剩下的做一次01背包
                    for(int j = V;j >= w * sum ;j--){
                        ans[j] = Math.max(ans[j],ans[j - w * sum] + val * sum);
                    }
                    break;
                }
                for(int j = V;j >= w * k ;j--){//剩下够分一组，拿k个物品做一次01背包
                    ans[j] = Math.max(ans[j],ans[j - w * k] + val * k);
                }
                sum -= k;
                k *= 2;
            }
        }