多重背包及其优化

设有 $n$ 件物品，背包容量为 $m$ ，第 $i$ 件物品的体积为 $v_i$ ，价值为 $w_i$ ，数量为 $s_i$ ，求背包所能容纳的最大价值
朴素算法：点击链接
直接用 $01$ 背包的朴素转移方程，时间复杂度为 $O(nms)$ ，代码如下：

	for(int i = 1;i <= n;i++)
		for(int j = 1;j <= s[i];j++)
			for(int k = m;k >= v[i];k--)
				dp[k] = max(dp[k],dp[k-v[i]]+w[i]);

二进制拆分：点击这里
对物品进行二进制拆分之后再用 $01$ 背包的转移方程直接转移，时间复杂度为 $O(nmlogs)$ ，代码如下：

	for(int i = 1;i <= n;i++)
	{
		int base = 1;
		while(s1[i] > base)
		{
			s1[i] -= base;
			v[++cnt] = base*v1[i];
			w[cnt] = base*w1[i];
			base <<= 1;
		}
		if(s1[i])
		{
			v[++cnt] = s1[i]*v1[i];
			w[cnt] = s1[i]*w1[i];
		}
	}
	for(int i = 1;i <= cnt;i++)
		for(int j = m;j >= v[i];j--)
			dp[j] = max(dp[j],dp[j-v[i]]+w[i]);

单调队列优化：点击这里
我们先从最原始的转移方程入手，设 $dp[i]$ 表示容量为 $i$ 的背包的最大价值，此状态对于某一件指定物品有转移方程：
$$dp[i]=max(dp[i],dp[i-v]+w,dp[i-2v]+2w,...,dp[i-kv]+kw),(0\le k\le min(s,\lfloor \frac{i}{v}\rfloor ))$$
设 $i=a+bv$ ，则有：
$$dp[a+bv]=max(dp[a+bv],dp[a+(b-1)v]+w,...,dp[a+(b-k)v]+kw)$$
换元一下，令 $k=b-k$ ：
$$=max(dp[a+kv]+(b-k)w),(0\le k\le min(s,\lfloor \frac{i}{v}\rfloor )$$
从上个式子我们可以发现 $dp[a+bv]$ 是由 $dp[a+kv]-kw$ （$bw$是常数可忽略对单调性的影响）最大的那个 $dp[a+kv]$ 转移过来的，因此我们可以对每一个余数 $a$ 维护一个单调队列来进行状态的转移，因为对于每一个物品每一种体积最多只会进队出队一次，故其时间复杂度为 $O(nm)$ ，代码如下：

	for(int i = 1;i <= n;i++)
	{
		int v = read(),w = read(),s = read();
		memcpy(g,dp,sizeof(dp));
		for(int r = 0;r < v;r++)//枚举余数 
		{
			int head = 0,tail = -1;
			for(int k = 0;r+k*v <= m;k++)
			{
				if(head <= tail && k-qu[head] > s) head++;
				while(head <= tail && g[r+k*v]-k*w >= g[r+qu[tail]*v]-qu[tail]*w) tail--;
				qu[++tail] = k;
				dp[r+k*v] = g[r+qu[head]*v]+(k-qu[head])*w;
			} 
		}
	}