多重背包问题

概念：有N种物品和一个容量为V 的背包。第i种物品最多有Mi件可用，每件耗费的空间是Ci ，价值是Wi 。求解将哪些物品装入背包可使这些物品的耗费的空间 总和不超过背包容量，且价值总和最大。

多重背包和01背包是非常像的， 为什么和01背包像呢？

每件物品最多有Mi件可用，把Mi件摊开，其实就是一个01背包问题了。

例如：

背包最大重量为10。

物品为：

       重量 价值 数量
物品0	1	15	 2
物品1	3	20	 3
物品2	4	30	 2
问背包能背的物品最大价值是多少？

和如下情况有区别么？

       重量 价值 数量
物品0	1	15	 1
物品0	1	15	 1
物品1	3	20	 1
物品1	3	20	 1
物品1	3	20	 1
物品2	4	30	 1
物品2	4	30	 1

毫无区别，这就转成了一个01背包问题了，且每个物品只用一次。

这种方式来实现多重背包的代码如下：

public void testMultiPack1(){
    // 版本一：改变物品数量为01背包格式
    List<Integer> weight = new ArrayList<>(Arrays.asList(1, 3, 4));
    List<Integer> value = new ArrayList<>(Arrays.asList(15, 20, 30));
    List<Integer> nums = new ArrayList<>(Arrays.asList(2, 3, 2));
    int bagWeight = 10;

    for (int i = 0; i < nums.size(); i++) {
        while (nums.get(i) > 1) { // 把物品展开为i
            weight.add(weight.get(i));
            value.add(value.get(i));
            nums.set(i, nums.get(i) - 1);
        }
    }

    int[] dp = new int[bagWeight + 1];
    for(int i = 0; i < weight.size(); i++) { // 遍历物品
        for(int j = bagWeight; j >= weight.get(i); j--) { // 遍历背包容量
            dp[j] = Math.max(dp[j], dp[j - weight.get(i)] + value.get(i));
        }
        System.out.println(Arrays.toString(dp));
    }
}

也有另一种实现方式，就是把每种商品遍历的个数放在01背包里面在遍历一遍。

class Solution {
     public boolean wordBreak(String s, List<String> wordDict) {
         List<Integer> weight = new ArrayList<>(Arrays.aslist(1, 3, 4));
         List<Integer> price = new ArrayList<>(Arrays.aslist(15, 20, 20));
         List<Integer> nums = new ArrayList<>(Arrays.aslist(2, 3, 2));

         int bagWeight = 10;
        //  for(int i = 0; i < nums.size(); i++){
        //      if(nums[i] > 0){
        //          weight.add(weight.get(i));
        //          price.add(price.get(i));
        //          nums[i]--;
        //      }
        //  }
         int[] dp = new int[bagWeight+1];
         for(int i = 0; i < weight.size();i++){
             for(int j = bagWeight; j >= weight.get(i); j--){
                 for(int k = 1; k <= nums[i] && j- k * weight[i] >= 0; k++){
                     dp[j] = Math.max(dp[j], dp[j-k * weight[i]] + k * price[i]);
                 }               
             }
         }
         return dp[bagWeight];
     }
}