有 N 种物品和一个容量是 V的背包。
第 ii 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。
输入格式
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。
输出格式
输出一个整数,表示最大价值。
数据范围
0<N,V≤100
0<vi,wi,si≤100
输入样例
4 5
1 2 3
2 4 1
3 4 3
4 5 2
输出样例:
10
分析:多重背包由01背包变化来,或者说01背包是多重背包每种物品数为1的一个特例。所以两者的解法其实相差不太大。
首先是最朴素的二维数组解法,相比01背包多了一步枚举每种物品要拿几个。
#include <iostream>
//#include<fstream>
#include<ctime>
#include<math.h>
#include<string>
#include<vector>
#include<algorithm>
using namespace std;
int vb[100001] = { 0 }, w[100001] = { 0 }, s[100001] = { 0 };
int dp[10001][10000] = { 0 };
int mx = 0;
int n, v;
int main()
{
cin >> n >> v;
for (int j = 1; j <= n; j++) {
cin >> vb[j] >> w[j] >> s[j];
}
for (int j = 1; j <= n; j++) {
for (int i = 1; i <= v; i++) {
for (int k = 0; k <= s[j]; k++) {
if (i - vb[j] * k >= 0)
dp[j][i] = max(dp[j][i], dp[j - 1][i - vb[j] * k] + w[j] * k);
}
}
}
cout << dp[n][v];
return 0;
}
因为每种背包有s[i]个,我们可以把每种背包展开看作有s[i]个价值体积相同的不同物品,然后就变成了01背包问题,除了常数大了一点(其实和二维枚举多少个该物品时间复杂度相同)其他都跟01背包一样。所以以下优化也就是01背包的一维优化。
一维优化内存后
#include <iostream>
//#include<fstream>
#include<ctime>
#include<math.h>
#include<string>
#include<vector>
#include<algorithm>
using namespace std;
int vb1[1000001] = { 0 }, w1[1000001] = { 0 }, s[1000001] = { 0 };
int vb[1000001] = { 0 }, w[1000001] = { 0 };
int dp[10001] = { 0 };
int n, v;
int main()
{
cin >> n >> v;
int k = 0;
for (int j = 1; j <= n; j++) {
cin >> vb1[j] >> w1[j]>>s[j];
}
for (int j = 1; j <= n; j++) {
for (int i = 1; i <= s[j]; i++) {
k++;
vb[k] = vb1[j];
w[k] = w1[j];
}
}
for (int i = 1; i <= k; i++)
for (int j = v; j >=1; j--) {
{
if (j - vb[i] >= 0)
dp[j] = max(dp[j], dp[j - vb[i]] + w[i]);
}
}
cout << dp[v];
return 0;
}