有 N 种物品和一个容量是 V 的背包。
第 i 种物品最多有
s
i
s_i
si 件,每件体积是
v
i
v_i
vi,价值是
w
i
w_i
wi。求解将哪些物品装入背包,可使物品体积总和不超过背包容量,且价值总和最大。输出最大价值。
01背包是指每个物品只有一个,完全背包问题是指每个物品有无数个。那么多重背包问题就是将二者折中,每个物品都是有限个,但不一定只有一个。
其实这就是一个01背包的拓展版。我们已知01背包对每个物品只有取或者不取两种情况(0和1两种情况),而多重背包就是将两种情况拓展为 n + 1 n+1 n+1 种情况。或者说01背包是多重背包的特殊版,即每个物品只有一个。
当某个物品有n个的时候,则取物的情况会有 n+1 种 (0 1 2 3 4 5 6 … n)那么知道了这一点,剩下的就是直接套01背包的模板了。
#include <iostream>
#include <algorithm>
#include <cstring>
#define MAX 2100
using namespace std;
int f[MAX];
int N, V;
int main()
{
cin >> N >> V;
for (int i = 1; i <= N; i++)
{
int v, w, s;
cin >> v >> w >> s;
for (int j = V; j >= 0; j--)
for (int k = 0; k <= s && k * v <= j; k++)
f[j] = max(f[j], f[j - k * v] + k * w);
}
cout << f[V] << endl;
return 0;
}
不难发现,这种做法十分朴素与直接,简单易懂。同时也带来了一些问题。代码结构里有三个循环,时间复杂度很高。所以当遇到大数据就会超时。所以要找到一种可以降低时间复杂度的方法,以备不时之需。
现在介绍一种二进制法。
二进制法就是将个数拆分成一个个2的幂次方表示,如7=1+2+4,6=2+4.但会遇到一些无法化解的数,如10=(1+2+4)+3,所以遇到这种情况可以进行特殊操作。这样遍历的复杂度就降下来了。
#include <iostream>
#include <algorithm>
#include <cstring>
#include <vector>
#define MAX 2100
using namespace std;
int f[MAX];
int N, V;
struct Good
{
int v, w;
};
int main()
{
vector<Good> goods;
cin >> N >> V;
for (int i = 0; i < N; i++)
{
int v, w, s;
cin >> v >> w >> s;
for (int k = 1; k <= s; k *= 2)
{
s -= k;
goods.push_back({ v * k, w * k });
}
if (s > 0) goods.push_back({ v * s,w * s });
}
for (auto good : goods)
{
for (int j = V; j >= good.v; j--)
f[j] = max(f[j], f[j - good.v] + good.w);
}
cout << f[V] << endl;
return 0;
}
这样时间复杂度就降到了两层循环。