AcWing-多重背包问题（思路+python代码）

目录

1.题目

2.思路

3.代码

---

1.题目

有N种物品和一个容量是V的背包。

第 i种物品最多有 si件，每件体积是 vi，价值是 wi。

求解将哪些物品装入背包，可使物品体积总和不超过背包容量，且价值总和最大。
输出最大价值。

输入格式

第一行两个整数，N，V用空格隔开，分别表示物品种数和背包容积。

接下来有 N行，每行三个整数 vi,wi,si，用空格隔开，分别表示第 i种物品的体积、价值和数量。

输出格式

输出一个整数，表示最大价值。

数据范围

0<N,V≤100
0<vi,wi,si≤100

输入样例

4 5
1 2 3
2 4 1
3 4 3
4 5 2

输出样例：

10

2.思路

不同：

与01背包相比，多重背包给出了每件物品的件数范围，而01背包中的物品只能使用一次

与完全背包相比，多重背包给出的物品件数是个给定范围，而完全背包中的物品可以无限使用

解决多重背包问题，我们可以将其转换为01背包来解决,多重背包中不是每个物品都给了一个件数范围吗？我们将总件数转化为1件，这便变成了01背包问题，像，题目中输入的第一个物品，它有3件，那我们便将其转化为3个第一个物品，但倘若一个物品它有1000件，那就意味这我们需要变成1000个这个物品，这将会造成时间上和空间上的浪费，对此我们可以使用二进制优化的方法，来缩减浪费

	1
	2
	4
	8
	16
	32
	64
	128
	256
	489

 我们每一个人都知道是512，但因为总件数是1000，除去前面的不够，所以此处的2的九次方相当于489。从这上面我们可以清晰的发现若不使用二进制我们需要拓展1000行（包含初始的一行），而使用二进制优化后只需要拓展10行。

对于该题，我们使用二进制优化后，将会变成

编号	体积	价值
1	1	2
2	2	4
3	2	4
4	3	4
5	6	8
6	4	5
7	4	5

在扩展完形成新的列表之后，求最大价值的方法与01背包使用dp滚动数组求最大价值的方法一致，若对01背包使用dp滚动数组求最大价值的方法不了解，可跳转到01背包问题详解和python代码进行学习。

3.代码

tempv列表：

[1, 2, 2, 3, 6, 4, 4]

tempw列表：

[2, 4, 4, 4, 8, 5, 5]

 我们可以很清晰的发现这与前面列的表格如出一辙

python代码：

n,v=map(int,input().split())
bag=[]
for i in range(n):
    bag.append(list(map(int,input().split())))
tempv=[]
tempw=[]
newn=0#用newn来表示新的列表的长度
for i in range(n):#使用二进制优化的方法创建一个新的体积和价值列表
    k = 1
    while(k<=bag[i][2]):
        tempv.append(k*bag[i][0])
        tempw.append(k*bag[i][1])
        bag[i][2]=bag[i][2]-k
        k = k * 2#二进制，所以间隔为2
        newn+=1
    if(bag[i][2]!=0):#此情况是上述2的九次方的情况，确保剩余的加进去
        tempv.append(bag[i][2] * bag[i][0])
        tempw.append(bag[i][2] * bag[i][1])
        newn=newn+1

def fun(newn,v,tempv,tempw):#使用新的列表来求最大价值，其方法与01背包使用一维dp数组的方法一致
    dp=[0 for i in range(v+1)]
    for i in range(1,newn+1):
        for j in range(v,-1,-1):
            if(j>=tempv[i-1]):
                dp[j]=max(dp[j],dp[j-tempv[i-1]]+tempw[i-1])
            else:
                dp[j]=dp[j]
    print(dp[-1])
fun(newn,v,tempv,tempw)