动态规划之多重背包问题

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;
}

笔记