多重背包：二的幂次法

引入

    所谓多重背包问题，基本长一个样：一个背包，承量有限为W，有n种物体，第i种物体，价值Vi，占用重量为 Wi，且有Ci件，选择物品若干放入背包，使得总重量不超过背包的承重，求最大总价值。

解法

       我们可以先从一般的01背包的解法入手：倘若用01背包的解法解这道题，很容易想到，可以将其中的一种物品分为Ci个相同的物品，物品的总个数就是C1+C2+C3+....+Cn,在以01背包的方法进行处理，我们令物品的总个数为S，它的时间复杂度为O(S*W),而通常，S接近于n*n，显然，这样处理并不优。

       于是，我们来尝试优化，而他的转移的时间复杂度是O(1)的，所以我们只能优化状态枚举。显而易见的一点是，W那一维无法优化，我们就锁定了S那一维。基于01背包的思想，我们应该减少总个数，而物品种数是不变的，所以尝试去减少每种物品分为多个物品的个数，即使用尽量少的物品构成Ci个相同物品能构成的所有状态。我们想到用二的幂数可以表示出任意正整数，所以可以把1,2,4,8,....,2^k(2^k<Ci<=2^k+1)个相同的物品分别看作一个物品，然后用这k个物品去代替Ci个相同的物品，可以高效的处理此类问题。但在分作k个物品时，还存在一个小问题，我们举个例子来看：设Ci=18，我们分作1,2,4,8,16共五个，然而以全取为例，1+2+4+8+16=31>18；所以，为了保证其正确性，我们将16替换为3 (18-1-2-4-8=3)。处理好这个问题就可以了。此时时间复杂度为O(n*logn*W),这就是多重背包的logn解法。

       当然，还有O(n*W)的解法——单调队列优化，我在此次就不提了，但很快会另补一篇关于O(n*W)单调队列优化的博客，有兴趣的可以留意一下，或去找其他人的博客。

代码

       这个代码其实非常容易构建，只要理解后，动动笔，注意一下细节就可以了，此处只给出核心的伪代码（分作logCi个物品）：

for (int j=1;;j*=2){
    if (C[i]>=j){
        w[num]=j*W;
        v[num]=j*V;
	Ci-=j;
	num++;
    }
    else{
	w[num]=C[i]*W;
	v[num]=C[i]*V;
	num++;
	break;
    }
}

       接下来只要加一个01背包即可。

参考

《背包九讲》，《算法导论》及“lfw的课堂笔记”。