【*对二进制优化的一些理解*】（后续完善……）

主要总结下快速幂的二进制思想与DP中多重背包的二进制优化：

*1*.快速幂：

看下模板：

   
   

    
    long long 
    
    pow2( 
    
    int 
    
    a, 
    
    int 
    
    b )//求a的b次幂
   
   
   
   

    
    {
   
   
   
   

    
        
    
    long long 
    
    r = 1, base = a;
   
   
   
   

    
        
    
    while
    
    ( b != 0 )
   
   
   
   

    
        
    
    {
   
   
   
   

    
            
    
    if
    
    ( b%2==1 )
   
   
   
   

    
                
    
    r *= base;
   
   
   
   

    
            
    
    base *= base;
   
   
   
   

    
            
    
    b /= 2;
   
   
   
   

    
        
    
    }
   
   
   
   

    
        
    
    return 
    
    r;
   
   
   
   

    
    }
   
   

原理：将计算a的b次幂时普通的 b次 循环，改为了按照b对应的二进制数每一位的权值及该位上是0或1，从而判断是否需要乘上该位时二进制对应的权值次方。

举个例子。对于求a的21次方（不要管为什么是21），10进制的21对应的二进制数为10101，这时候程序会一边计算21所对应的某一位二进制数，如果是1便让结果r乘上当前的二进制位的权值（即乘上a的n次方）然后权值base平方得到二进制下一位的权值。

其实我很佩服我是怎么纠结着写到这里的。。。目前就理解到这里了。

*2*DP多重背包：

同样先放模板：

int DP()
{
	for(int i=1;i<=n;i++)
	{
		if(W[i]*Qo[i]>C)//如果个数乘上单位体积大于背包体积就按完全背包算
		{
			for(int c=0;c<=C;c++)
				if(c>=W[i]) F[c]=max(F[c],F[c-W[i]]+V[i]);
		}
		else//否则先多重再o1
		{
			int k=1,amount=Qo[i];
			while(k<amount)
			{
				for(int c=C;c>=k*W[i];c--)//计算加上一个体积为k*W[i]的物品
					F[c]=max(F[c],F[c-k*W[i]]+k*V[i]);
				amount-=k;
				k+=k;//二进制加
			}
			for(int c=C;c>=amount*W[i];c--)
				F[c]=max(F[c],F[c-amount*W[i]]+amount*V[i]);//01背包加上剩下的来算最优值
		}
	}
	return F[C];
}

首先描述下多重背包的写法：

1）对于每一种物件，如果其数量足够多以致于整个背包全放这一种物件都不够，那么对该物件做一遍完全背包即可；

2）而如果当某物件的件数*单件体积小于背包体积的话，那么我们就需要思考，到底放几个该物件才最优？而这也是此时的DP转移思路，即枚举放n个该物件进背包的最优值（n≥1并且n≤该物件的件数），即做n遍01背包。

所以在第二步中就出现可以优化的地方了，既然逐个枚举选物件的个数，那么这就产生了重复枚举的弊端。这很显然，比如选择4件该物件的最优值就已经被选1件和选3件时的方案找到过了。

因此在这里根据二进制的特点我们只需要做 小于该物件总件数的2的次幂 ，并且最后再把余下的物件个数当做剩下的一个做一遍01背包即可。这里将本来的O(件数*背包体积）减小到（log2件数*背包体积）。