前面的话
这是我学习初学算法时研究最久的单个问题了,挺有纪念意义的,吸收了很多大佬的题解并断断续续整理了一些笔记,希望大家看完有点收获的话希望能点赞鼓励我一下hh
多重背包问题
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
≤
1000
0<N≤1000
0<N≤1000
0
<
V
≤
20000
0<V≤20000
0<V≤20000
0
<
v
i
,
w
i
,
s
i
≤
20000
0<vi,wi,si≤20000
0<vi,wi,si≤20000
输入样例
4 5
1 2 3
2 4 1
3 4 3
4 5 2
输出样例
10
思路
-
使用二进制优化的时间复杂度为 O ( n v l o g s ) O(nvlogs) O(nvlogs),而本题的操作数量级在 1 0 9 10^9 109,故会导致超时,适用单调队列优化
-
若总体积为 m m m,当前物品价值为 w w w,总体积为 v v v,数量为 s s s,设 t t t满足 m − t × v ≥ 0 m - t × v ≥ 0 m−t×v≥0且 m − ( t + 1 ) × v < 0 m - (t + 1) × v < 0 m−(t+1)×v<0,即不超过总体积情况下的最大物品数量
-
当 t ≤ s t≤s t≤s时,物品的限制为体积 m m m,相当于在体积 m m m下当前物品的数量无限,故多重背包问题可通过完全背包问题的解法处理
-
当 t > s t > s t>s时,物品的限制为数量 s s s,可以按完全背包的思路列出代码
// 设s = 3, t = 4, p为区间[0, m % v]的任意整数 // 设f(i-1,j) = g(j) f(i, j) = max(g(j),g(j-v)+w,g(j-2v)+2w,g(j-3v)+3w) f(i,j- v+p) = max( g(j-v), g(j-2v)+ w,g(j-3v)+2w,g(j-4v)+3w) f(i,j-2v+p) = max( g(j-2v), g(j-3v)+ w,g(j-4v)+2w) f(i,j-3v+p) = max( g(j-3v), g(j-4v)+ w) f(i,j-4v+p) = max( g(j-4v))
- 当 k k k满足 k ≤ t − s k≤t - s k≤t−s时, j − k v j - kv j−kv的体积仍然能容纳 s s s个物品,故第 k k k个式子比第 k − 1 k - 1 k−1个的式子多一项,则无法通过第 k k k个式子的最大值推导第 k − 1 k - 1 k−1个式子的最大值
- 当 k k k满足 k > t − s k > t - s k>t−s时,此时 j − k v j - kv j−kv的体积仅能容纳小于 s s s个物品,物品限制为体积,故第 k k k个式子和第 k + 1 k + 1 k+1个项数相同,则可以通过第 k + 1 k + 1 k+1个式子推导第 k k k个式子
- 故能够从下到上通过类似长度为 s s s的滑动窗口形式更新状态,每次取出维护的滑动窗口的极值即可
- 综上可知,枚举所有余数 p p p,对于当前 p p p,再从小到大枚举更新所有体积 j j j满足 j % v = p j \% v = p j%v=p的当前 i i i层的所有状态 f ( i , j ) f(i, j) f(i,j),最终得到当前 i i i层的所有状态 f ( i , j ) f(i, j) f(i,j)
-
对当前余数 p p p,若 t > s t > s t>s,则所有需要更新的体积的序列为
p p+v p+2v p+3v ... p+(s-1)v p+sv p+(s+1)v ... p+tv // 已知体积为从小到大更新, 故该序列为从左到右枚举
-
若需要更新序列中第 i i i个元素,则需要得到以 i − s i - s i−s为起点的长度为 s s s的区间的状态的最大值,故适用单调队列实现滑动窗口,快速获取该区间的最大值
- 序列中任意元素 p + k v p + kv p+kv表示状态 f ( i − 1 , p + k v ) f(i - 1, p + kv) f(i−1,p+kv)
-
注意每个状态 f ( i − 1 , p + k v ) f(i - 1, p + kv) f(i−1,p+kv)在相邻层中存在偏移量
w
f(i,p) = f(i-1,p) f(i,p+ v) = max(f(i-1,p)+ w, f(i-1,p+v)) f(i,p+2v) = max(f(i-1,p)+2w, f(i-1,p+v)+w, f(i-1,p+2v))
故每次比较对原式进行等价变换,实现状态的直接比较
f(i,p) = f(i-1,p) f(i,p+ v) = max(f(i-1,p), f(i-1,p+v)-w) + w f(i,p+2v) = max(f(i-1,p), f(i-1,p+v)-w, f(i-1,p+2v)-2w) + 2w // 对k层所有状态减去kw再进行比较入队, 故入队的元素为f(i,p+kv)-kw, 出队时加上kw获取真实值
-
-
时间复杂度
O ( n v ) O(nv) O(nv)
实现
#include <bits/stdc++.h>
using namespace std;
const int N = 2e4 + 10;
int n, m;
int q[N];
int dp[N], back[N];
int main(){
cin >> n >> m;
for(int i = 0; i < n; i++){
int v, w, s;
cin >> v >> w >> s;
// 由于使用滚动数组且从小到大枚举体积
// 故需要辅助数组保存i - 1层的状态
memcpy(back, dp, sizeof dp);
// 枚举所有余数
// 更新当前i层的所有体积
for(int u = 0; u < v; u++){
// 体积从小到大枚举更新
// 单调队列中的元素是体积
int tt = -1, hh = 0;
for(int j = u; j <= m; j += v){
// 若当前维护的区间长度大于s则出队
if(tt >= hh && q[hh] < j - s * v) hh++;
// 注意获取的是当前元素之前的长度为s的窗口的最大值
// 故先处理再入队
// 注意出队时获取真实值
// 需要判断队列是否为空
// 因为使用的是数组模拟队列
// 故若不判断则第一次枚举时dp[k]可能被窗口外的t[0]更新
if(tt >= hh) dp[j] = max(dp[j], back[q[hh]] + (j - q[hh]) / v * w);
while(tt >= hh && back[j] - (j - u) / v * w >= back[q[tt]] - (q[tt] - u) / v * w) tt--;
q[++tt] = j;
}
}
}
cout << dp[m] << endl;
return 0;
}