【动态规划】AcWing5. MultipleKnapsackProblemII-多重背包问题II

背包九讲：
01背包问题
完全背包问题
多重背包问题I
多重背包问题II
混合背包问题
二维费用的背包问题
分组背包问题
有依赖的背包问题
背包问题求方案数
背包问题求具体方案
ps：建议从前向后刷哦~

🔗原题

多重背包问题 II
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<V≤2000
0<vi,wi,si≤2000
提示：
本题考查多重背包的二进制优化方法。

输入样例
4 5
1 2 3
2 4 1
3 4 3
4 5 2
输出样例：
10

题解

本题在多重背包问题I上进行优化
多重背包问题通常可转化成01背包问题求解。但若将每种物品的数量拆分成多个1的话，时间复杂度会很高，从而导致TLE。
所以，需要利用二进制优化思想，将需要填入的物品的数量分为1，2，4，8等。

代码

import java.util.Scanner;

public class Main {
    public static void main(String[] args) {
        Scanner sc = new Scanner(System.in);
        int x = 0;
        int N = sc.nextInt();
        int V = sc.nextInt();
        int[][] date = new int[100000][2];
        for(int i = 1, j = 1; j <= N; j++) {
            int v = sc.nextInt();
            int w = sc.nextInt();
            int n = sc.nextInt();

            int k = 1;
            while(k <= n) {
                date[i][0] = k*v;
                date[i++][1] = k*w;
                n -= k;
                k *= 2;
            }
            if(n != 0) {
                date[i][0] = n * v;
                date[i++][1] = n * w;
            }
            x = i;
        }
        int[] dp = new int[V + 1];
        for(int i = 1; i <= x; i++) {
            for(int j = V; j >= 1; j--) {
                if(j - date[i][0] >= 0) dp[j] = Math.max(dp[j], dp[j - date[i][0]] + date[i][1]);
            }
        }
        System.out.println(dp[V]);
    }
}