多重背包问题

多重背包问题

1、参考资料

https://blog.csdn.net/qq_38984851/article/details/81133840

https://www.cnblogs.com/mfrank/p/10816837.html

2、问题描述

有 N 种物品和一个容量为 T 的背包，第 i 种物品最多有 M[i] 件可用，价值为 P[i]，体积为 V[i]，求解：选哪些物品放入背包，可以使得这些物品的价值最大，并且体积总和不超过背包容量。

对比一下完全背包，其实只是多了一个限制条件，完全背包问题中，物品可以选择任意多件，只要你装得下，装多少件都行。但多重背包就不一样了，每种物品都有指定的数量限制，所以不是你想装，就能一直装的。

---

举个栗子：有 A、B、C 三种物品，相应的数量、价格和占用空间如下表：

物品	重量	价值	数量
A	2	3	4
B	3	4	3
C	4	5	2

3、代码思路

1. 采用自上而下的填表法，完全背包对放入背包的数量数量没有限制，多重背包对放入背包的数量数量有限制
2. 状态转移方程为：dp[i][w] = Math.max(dp[i][w], dp[i - 1][w - c * wt[i]] + c * val[i]);，其中 c 为第 i 个物品放入背包的数量
3. 状态转移方程的意思为：将第 i 个物品一件一件地放入背包中，并找出其中最大价值的方案

---

其实填个表就明白了

i/j	0	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15
0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
1	0	0	3	3	6	6	9	9	12	12	12	12	12	12	12	12
2	0	0	3	4	6	7	9	10	12	13	14	16	17	18	20	21
3	0	0	3	4	6	7	9	10	12	13	14	16	17	18	20	21

4、代码实现

• 代码

/**
 * @ClassName MultiplePackDemo
 * @Description TODO
 * @Author Heygo
 * @Date 2020/8/14 10:56
 * @Version 1.0
 */
public class MultiplePackDemo {

    public static void main(String[] args) {

        int maxValue = multiplePack(15, 3, new int[]{-1, 2, 3, 4}, new int[]{-1, 3, 4, 5}, new int[]{-1, 4, 3, 2});
        System.out.println(maxValue);

    }

    /**
     * 多重背包问题
     *
     * @param W     背包的重量
     * @param N     现有物品的数量
     * @param wt    物品的重量
     * @param val   物品的价值
     * @param count 物品的数量
     * @return 背包中物品的最大价值
     */
    public static int multiplePack(int W, int N, int[] wt, int[] val, int[] count) {

        // dp[i][w] 表示：对于前 i 个物品，当背包容量为 w 时，能放下的最大价值为 dp[i][w]
        int[][] dp = new int[N + 1][W + 1];

        // 从第一个物品开始，一个一个放入物品
        for (int i = 1; i <= N; i++) {
            // 背包重量逐渐增大，尝试放入物品
            for (int w = 1; w <= W; w++) {
                // 将第 i 件物品一件一件放入，直到放不下为止
                for (int c = 0; c <= count[i] && c * wt[i] <= w; c++) {
                    // 尝试将第 i 件物品一件一件放入背包，从中取出价值最大的方案
                    dp[i][w] = Math.max(dp[i][w], dp[i - 1][w - c * wt[i]] + c * val[i]);
                }
            }
        }

        for (int[] ints : dp) {
            System.out.println(Arrays.toString(ints));
        }

        return dp[N][W];
    }

}

• 程序运行结果

[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
[0, 0, 3, 3, 6, 6, 9, 9, 12, 12, 12, 12, 12, 12, 12, 12]
[0, 0, 3, 4, 6, 7, 9, 10, 12, 13, 14, 16, 17, 18, 20, 21]
[0, 0, 3, 4, 6, 7, 9, 10, 12, 13, 14, 16, 17, 18, 20, 21]
21

5、代码优化

代码优化分析

1. 上述代码嵌套了三层 for 循环，其实可以进行优化，以 wt[i] 表示第 i 件物品的重量，以 val[i] 表示第 i 件物品的价值，以 count[i] 表示第 i 件物品的数量，以 W 表示当前背包的重量
2. 优化思路为：如果 count[i]*wt[i]>=W，这就说明物品 i 的数量其实没有限制，那么可以将第 i 件物品当做完全背包来处理，否则就只能当做多重背包来处理
3. 我们还可以将二维数组dp[][]优化为一维数组dp[]，dp[w] 表示放入第 i(数组下标) 个物品、背包容量为 w 时，背包中物品的最大价值

代码实现

• 代码

/**
 * @ClassName MultiplePackDemo
 * @Description TODO
 * @Author Heygo
 * @Date 2020/8/14 10:56
 * @Version 1.0
 */
public class MultiplePackDemo {

    public static void main(String[] args) {

        int maxValue = multiplePack(15, 3, new int[]{-1, 2, 3, 4}, new int[]{-1, 3, 4, 5}, new int[]{-1, 4, 3, 2});
        System.out.println(maxValue);

    }

    /**
     * 多重背包问题
     *
     * @param W     背包的重量
     * @param N     现有物品的数量
     * @param wt    物品的重量
     * @param val   物品的价值
     * @param count 物品的数量
     * @return 背包中物品的最大价值
     */
    public static int multiplePack(int W, int N, int[] wt, int[] val, int[] count) {

        // dp[w] 表示：对于前 i(数组下标) 个物品，当背包容量为 w 时，能放下的最大价值为 dp[w]
        int[] dp = new int[W + 1];

        // 从第一个物品开始，一个一个放入物品
        for (int i = 1; i <= N; i++) {

            // 如果 count[i] * wt[i] >= W，说明当前物品数量无限制，当做完全背包来做
            if (count[i] * wt[i] >= W) {

                // 完全背包的写法：升序（第 i 件物品可重复放入）
                for (int w = wt[i]; w <= W; w++) {
                    dp[w] = Math.max(dp[w], dp[w - wt[i]] + val[i]);
                }

            } else {
                // 0-1 背包的写法：降序（第 i 次的最大价值依赖于第 i-1 次的最大价值）
                for (int w = W; w >= wt[i]; w--) {
                    // 尝试将第 i 件物品，一件一件放入背包
                    for (int c = 0; c <= count[i] && c * wt[i] <= w; c++) {
                        dp[w] = Math.max(dp[w], dp[w - c * wt[i]] + c * val[i]);
                    }
                }

            }

            System.out.println(Arrays.toString(dp));

        }

        return dp[W];
    }

}

• 程序运行结果

[0, 0, 3, 3, 6, 6, 9, 9, 12, 12, 12, 12, 12, 12, 12, 12]
[0, 0, 3, 4, 6, 7, 9, 10, 12, 13, 14, 16, 17, 18, 20, 21]
[0, 0, 3, 4, 6, 7, 9, 10, 12, 13, 14, 16, 17, 18, 20, 21]
21