多重背包

多重背包

问题简析

已知:有一个容量为V的背包和N件物品，第i件物品最多有Num[i]件，每件物品的重量是weight[i]，收益是cost[i]。

问题:在不超过背包容量的情况下，最多能获得多少价值或收益

举例：背包容量为V = 8，则背包可以装下的最大价值为64.即2个物品三，4个物品一

算法简析

本问题和完全背包很类似,不过添加了数目的限制条件。这里直接给出方程。
状态转移方程：

f[i][v]:表示前i件物品放入重量为v的背包获得的最大收益  
f[i][v] = max(f[i][v],f[i - 1][V - k * Weight[i]] + k * Value[i]);  
其中0 <= k <= min(Num[i],V/Weight[i]);//这里和完全背包不。  
边界条件  
f[i][0] = 0;  
f[v][0] = 0;  

算法步骤

for (int i = 1;i <= N;i++)  
    {  
        for (int v = Weight[i];v <= V;v++)  
        {  
            f[i][v] = 0;  
            nCount = min(Num[i],v/Weight[i]);//是当前背包容量v，而不是背包的总容量  
            for (int k = 0;k <= nCount;k++)  
            {  
                f[i][v] = max(f[i][v],f[i - 1][v - k * Weight[i]] + k * Value[i]);  
            }  
        }  
    }  
    return f[N][V];  

算法优化->转换01背包

即将所有物品全部单独列出当作一种数量为1的物品然后可以用之前的二维转换一维的方式优化空间复杂度。此方法思路简单，但对于时间上没有帮助故此不进行举例。

算法优化->二进制拆分

对每i件物品，拆分的策略为：新拆分的物品的重量等于1件,2件,4件,..,(2^(k - 1)),Num[i] - (2^(k - 1))件，其中k 是满足Num[i] - 2^k + 1 > 0 的最大整数。

注意，

（1）最后一个物品的件数的求法和前面不同，其直接等于 该物品的最大件数 - 前面已经分配之和。

（2）分成的这几件物品的系数和为Num[i]，表明第i种物品取的件数不能多于Num[i]。

举例：某物品为13件，则其可以分成四件物品，其系数为1,2,4,6.这里k = 3。

当然，这里使用二进制的前提还是使用二进制拆分能保证对于0,,,Num[i]间的每一个整数，均可以用若干个系数的和表示。

具体使用时，有一个小优化，即：
我们不对所有的物品进行拆分，因此物品一旦拆分，其物品个数肯定增加，那么复杂度肯定上去。

此时，我们可以选择性地对物品进行拆分：

（1）如果第i个物品的重量Weight[i] * 物品的个数Num[i] >= 背包总重量V，可以不用拆分。

（2）如果第i个物品的重量Weight[i] * 物品的个数Num[i] < 背包总重量V，可以不用拆分。

其实，拆不拆分，就看该物品能不能满足完全背包的条件。即，看该物品能不能无限量供应。

解释：为啥满足Weight[i] * 物品的个数Num[i] >= 背包总重量V的物品可以不用拆分?

此时，满足该条件时，此物品原则上是无限供应，直到背包放不下为止。

最终，对于不需要拆分的物品，可以看出完全背包的情况，调用处理完全背包物品的函数。对于需要拆分的物品，可以看出01背包的情况，调用处理01背包物品的函数。

这样，由于不对满足完全背包的物品进行拆分，此时物品个数就没有对所有物品拆分时的物品个数多，即程序中外层循环降低，复杂度也就下去了。

    for (int i = 1;i <= N;i++)  
    {  
        if (Weight[i] * Num[i] >= V)  
        {  
            //完全背包:该类物品原则上是无限供应，  
            //此时满足条件Weight[i] * Num[i] >= V时，  
            //表示无限量供应，直到背包放不下为止.  
            CompletePack(Weight[i],Value[i]);  
        }  
        else  
        {  
            k = 1;  
            nCount = Num[i];  
            while(k <= nCount)  
            {  
                ZeroOnePack(k * Weight[i],k * Value[i]);  
                nCount -= k;  
                k *= 2;  
            }  
            ZeroOnePack(nCount * Weight[i],nCount * Value[i]);  
        }  
    }  
    return f[V];