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;
}