AcWing 5. 多重背包问题II(二进制优化)

题目链接 ： 点击查看

题目描述 ：

有 N 种物品和一个容量是 V 的背包。第 i 种物品最多有 si 件，每件体积是 vi，价值是 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。

输入输出格式 ：

输入

第一行两个整数，N，V，用空格隔开，分别表示物品种数和背包容积。接下来有 N 行，每行三个整数 vi,wi,si，用空格隔开，分别表示第 i 种物品的体积、价值和数量。

输出

输出一个整数，表示最大价值。

输入输出样例 ：

输入

4 5
1 2 3
2 4 1
3 4 3
4 5 2

输出

10

题目分析：

当某些物品的数目s过多时， 原朴素做法(时间复杂度为O(n ^ 3))会超时，这时我们需要对原来的代码进行优化。与完全背包问题的优化相比，多重背包的递推公式是这样的：

f[i , j ] = max( f[i-1,j] ,f[i-1,j-v]+w ,f[i-1,j-2v]+2w ,..... f[i-1,j-Sv]+Sw, )
f[i , j-v]= max( f[i-1,j-v] ,f[i-1,j-2v]+w, ..... f[i-1,j-Sv]+(S-1)w, f[i-1,j-(S+1)v]+Sw )

比之前完全背包问题的递推式多出来一项，这里一般从实际含义出发来考虑即可，我们是在分析f[i,j-w]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 * v,价值上就要加上s * w，那更新到状态中去就是 f[i - 1, j - v - s * v] + s * w。因此我们不能采取之前的优化方式，这里我们来介绍二进制优化。

我们都知道任何一个实数都能由一个二进制数来表示，如7 = 1 + 2 + 4，如果某个物品的个数过多，我们可以以2的次幂为单位对将个数划分成每个组别，比如第一组有1个物品，第二组有2个物品，第三组有4个物品，第四组有8个物品…这样我们不用单独进行枚举每一个物品i，直接枚举小组即可。且看以下证明：

总结起来就是，朴素多重背包问题计算f[i, j]时我们由上一个最优状态得出，二进制进行优化时，计算f[i, j]时我们可以由上一个最优二进制状态得出。分好每一个组别之后，我们由之前的枚举个数变成了枚举组别，此时只需要对01背包问题的代码进行一点更改即可。且看如下代码。

#include<iostream>
#include<cstdio>
#include<algorithm>
using namespace std;

const int N = 12010, M = 2010; //逐一枚举最大为 N * logS 
int n, m;
int v[N], w[N];
int f[M];
 
int main() {
     cin >> n >> m;
	 int cnt = 0;//分组的组别， 对应01背包中的第 i 个物品 
	 for (int i = 1; i <= n; i ++ ) {
	 	int a, b, s;
	 	cin >> a >> b >> s;//体积为a，价值为b，最大个数为s  
		int k = 1;//组别里的个数 
		while (k <= s) {
			cnt ++;
			v[cnt] = a * k; //整体体积 
			w[cnt] = b * k; //整体价值 
			s -= k;  
			k *= 2; //个数以2的次幂的形式递增 
		} 
		if  (s > 0) { //剩下的比下一位二进制2^(k + 1)小的数，作为单独的一组，但可以通过前面的已经计算出的二进制凑出 
			cnt ++ ; 
			v[cnt] = a * s; 
			w[cnt] = b * s;  
		}
	 }  
	 n  = cnt;//枚举次数由个数变成组别数 
	 for (int i = 1; i <= n; i ++ ) { //01背包的一维优化代码 
	 	for (int j = m; j >= v[i]; j -- ) {
	 		f[j] = max(f[j], f[j - v[i]] + w[i]);
		 }
	 }
	 cout << f[m] << endl;
	 return 0;

}