动态规划之多重背包问题
特点
限制每种物品的数量
朴素做法—按照完全背包问题 暴力写法 思路解决
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 110;
int f[N][N];
int v[N],w[N],s[N];
int n,m;
int main()
{
cin >> n >> m;
for(int i = 1; i <= n; i ++ )
cin >> v[i] >> w[i] >> s[i];
for(int i = 1; i <= n ; i ++ )
for(int j = 0; j <= m; j ++)
for(int k = 0; k <= s[i] && k * v[i] <= j; k ++)//增加了一个限制数量的条件
f[i][j] = max(f[i][j],f[i - 1][j - k * v[i]] + w[i] * k);
cout << f[n][m] << endl;
return 0;
}
优化做法–二进制优化
不能与完全背包优化方式相同,具体证明在图片中
二进制优化
将多重背包问题转化为01背包问题
原理
将s个物品打包成logs个新的物品组,用他们可以凑出从0~s的任意一个数,就不用一个一个凑了,时间复杂度:O(s)–>O(logs)
分苹果理解
如果仍然不是很能理解的话,取这样一个例子:要求在一堆苹果选出n个苹果。我们传统的思维是一个一个地去选,选够n个苹果就停止。这样选择的次数就是n次
二进制优化思维就是:现在给出一堆苹果和10个箱子,选出n个苹果。将这一堆苹果分别按照1,2,4,8,16,…512分到10个箱子里每个箱子放2^k个苹果,那么由于任何一个数字x∈[0,1023]都可以从这10个箱子里的苹果数量表示出来,但是这样选择的次数就是 ≤10次
优化后代码
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 11010, M = 2010;
int v[N],w[N];
int n,m;
int f[N];
int main()
{
cin >> n >> m;
int cnt = 0;//组别
for(int i = 1; i <= n; i ++ )
{
int a,b,s;
cin >> a >> b >> s;
int k = 1;//拆分系数
while(k <= s)
{
cnt ++;
v[cnt] = k * a;
w[cnt] = k * b;
s -= k;
k *= 2;
}
if(s > 0)//说明没拆完,s就是剩下的c
{
cnt ++;
v[cnt] = s * a;
w[cnt] = s * b;
}
}
//分完组啦,用01背包方式进行优化
n = cnt;//此时n变为组别数
for(int i = 1; i <= n; i ++)
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;
}