混合背包与泛化背包（未完成）

本文作于2007年岁末，没有写完就决定2008年不搞OI了。此文暂且存放在这里，待我有大学上之后，将决定是否开始维护这个博客。这里以后将代替林影阁。

 

今年NOIP前就曾读过dd的《背包问题九讲》，时间仓促，只程序实现了前4讲。觉得混合背包这个设想，以及泛化背包这个概念很经典，有必要写点东西共享一下自己的看法。新年之际献上。Happy New Year~

 

混合背包
背包是个很经典而实用的问题……
总体上，背包可以分为4类。部分背包（可以用贪心有效解决），01背包，完全背包，多重背包（这三个可以用DP有效解决）。而混合背包是后三者的混合。这几个的理论在《背包问题九讲》中有过详细介绍。这里我们只通过一个实例来看混合背包是如何实现的。

 

例1 期中考试前夜
【问题描述】
快乐的DW今天很不高兴，因为明天要期中考试，而且她知道她复习不完了。
【问题描述】
虽然形势不很乐观，但DW还是希望明天能拿到尽可能高的分数。
DW简单分析了一下，现在可利用的时间为m，还有n个任务需要完成。第i个任务需要一定的时间t(i)，但也有一定的价值v(i)。
但是好像没这么简单。她发现所有的任务可以分为两类，A类和B类。
A类是背诵类的任务。如果第i个任务是A类的，那么第一遍做这个任务获得价值v(i)，再做它的价值就是0。也就是说，第i个任务做x次的价值就是v(i) (x>0)。
B类是练习类的任务。如果第i个任务是B类的，那么每做一遍这个任务获得的价值都是v(i)。也就是说，第i个任务做x次的价值就是x*v(i)。
DW希望她能利用这些时间获得最大的价值，而坐在她后面的ZS也在忙着复习（是复习NOIP，不是期中考试），所以请聪明的你来帮忙了。
【输入格式】
第一行两个整数，n，m。含义已述。
接下来有n行，第i+1行有三个量v，t，chr。V，t分别表示v(i)，t(i)。chr是字符A或B，表示它所属的任务类别。
【样例输入】
5 10
2 3 A
2 4 A
2 5 A
2 6 A
5 2 B
【输出格式】
一行，一个整数，表示可以获得的最大价值。
【样例输出】
25
【数据规模】
n<=1000，m<=10000，其它数据<=maxlongint。

可以看出这是01背包和完全背包的混合。见代码段1。

 

泛化背包
背包中放入的物品可能存在其它限定。比如，要放入物品a，物品b也必须放入。称这种关系为依附关系。《金明的预算方案》是一个典例，不过它的依附方式很简单，对于每一种依附情况枚举即可。
泛化背包这个概念是由dd牛提出，用来解决更一般的具有依附关系的背包问题。

 

例2 金明的预算方案改
【问题描述】
金明今天很开心，家里购置的新房就要领钥匙了，新房里有一间金明自己专用的很宽敞的房间。更让他高兴的是，妈妈昨天对他说：“你的房间需要购买哪些物品，怎么布置，你说了算，只要不超过N元钱就行”。今天一早，金明就开始做预算了。
物品之间是存在依附关系的，下表就是一些例子：

 

如果要买一件物品，如果它有父节点，那么它的父节点也一定要买。比如。要买扫描仪就必须买电脑，那么买电脑也就必须买桌子。所有的依附关系都可以由一个森林来描述，这意味着不可能出现“依附环”。
金明想买的东西很多，肯定会超过妈妈限定的N元。于是，他把每件物品规定了一个重要度，分为5等：用整数1~5表示，第5等最重要。他还从因特网上查到了每件物品的价格（都是10元的整数倍）。他希望在不超过N元（可以等于N元）的前提下，使每件物品的价格与重要度的乘积的总和最大。
设第j件物品的价格为v[j]，重要度为w[j]，共选中了k件物品，编号依次为j1，j2，……，jk，则所求的总和为：v[j1]*w[j1]+v[j2]*w[j2]+ …+v[jk]*w[jk]。（其中*为乘号）请你帮助金明设计一个满足要求的购物单。
【输入格式】
输入文件的第1行，为两个正整数，用一个空格隔开：
N m
其中N（<32000）表示总钱数，m（<60）为希望购买物品的个数。）
从第2行到第m+1行，第j行给出了编号为j-1的物品的基本数据，每行有3个非负整数
v p q
（其中v表示该物品的价格（v<10000），p表示该物品的重要度（1~5），q表示该物品的直接依附物品。如果它没有依附的物品，那么q=0）
【样例输入】
10
500 0 1
5000 1 4
300 1 5
1000 2 2
800 2 4
10 0 1
10 6 3
10 6 2
200 0 3
800 9 3
（注：这个样例与图中物品的标记一一对应）
【输出格式】
输出文件只有一个正整数，为不超过总钱数的物品的价格与重要度乘积的总和的最大值
（<200000）。

下面我们来讨论这个问题。
请设想，如果你就是那个最优解，你是否真的关心放在背包中的是哪些物品呢？可能并不是，你所关心（或担心）的是，备选物品是否利用背包的空间组合出了最优解。
我们规定节点k由一个函数fk表示（请将k理解为函数f的下标），fk(w)表示这样的含义：提供空间w，将以k为根节点的子树中的节点作为物品选择对象，组合出的最优价值。
如果要求f1，那么我们会想知道f2和f3，那么f1(w)=max{f2(k)+f3(w-k)}，其中0<=k<=w。它的最优子结构很好证明。看吧，我们没有以物品为对象。这种最优解操作是在函数层面上的。也就是说，为了得到节点p的函数值fp(v)，则它的孩子的f值要在这之前获得。之后我们枚举各种空间分配的方法，找到其中的最大值。
我们就把这些物品“泛化”了，节点2、3通过函数f的形式，将自己这棵自树的最优解情况汇报给节点1，节点1通过上述的状态转移方程，评测出节点1的最优解。
初始化时，所有叶子节点都做这样的操作。设节点k的价值为v，价钱为w。fk全部赋0，然后fk[w]=v，

在程序实现上，我们要把这个森林转化成二叉树，这样处理起来比较方便（同样的比如《选课》）。
程序实现见代码段2（未完成）。

代码段1

1. program example1(input,output);
2. var
3. n,m,i:longint;
4. v,t:array[1..1000]of longint;
5. f:array[0..10000]of longint;
6. IsZeroOne:array[1..1000]of boolean;
7. chr0,chr1:char;
9. function max(x,y:longint):longint;
10. begin
11. if x>y then exit(x) else exit(y);
12. end;
14. procedure ZeroOnePack(cost,value:longint);
15. var
16. vi:longint;
17. begin
18. for vi:=m downto cost do
19.    f[vi]:=max(f[vi],f[vi-cost]+value);
20. end;
22. procedure CompletePack(cost,value:longint);
23. var
24. vi:longint;
25. begin
26. for vi:=cost to m do
27.    f[vi]:=max(f[vi],f[vi-cost]+value);
28. end;
30. begin
31. assign(input,'a.in'); reset(input);
32. readln(n,m);
33. for i:=1 to n do
34. begin
35.     readln(v[i],t[i],chr0,chr1);
36.     if chr1='A' then IsZeroOne[i]:=true else IsZeroOne[i]:=false;
37. end;
39. fillchar(f,sizeof(f),0);
40. for i:=1 to n do
41.    if IsZeroOne[i] then ZeroOnePack(t[i],v[i])
42.                    else CompletePack(t[i],v[i]);
44. writeln(f[m]);
45. close(input);
46. end.

代码段2（未完成）