AcWing-混合背包问题（思路+python代码）

1.题目

有 N𝑁 种物品和一个容量是 V𝑉 的背包。

物品一共有三类：

• 第一类物品只能用1次（01背包）；
• 第二类物品可以用无限次（完全背包）；
• 第三类物品最多只能用 si𝑠𝑖 次（多重背包）；

每种体积是 vi𝑣𝑖，价值是 wi𝑤𝑖。

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，V𝑁，𝑉，用空格隔开，分别表示物品种数和背包容积。

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

• si=−1𝑠𝑖=−1 表示第 i𝑖 种物品只能用1次；
• si=0𝑠𝑖=0 表示第 i𝑖 种物品可以用无限次；
• si>0𝑠𝑖>0 表示第 i𝑖 种物品可以使用 si𝑠𝑖 次；

输出格式

输出一个整数，表示最大价值。

数据范围

0<N,V≤10000<𝑁,𝑉≤1000
0<vi,wi≤10000<𝑣𝑖,𝑤𝑖≤1000
−1≤si≤1000−1≤𝑠𝑖≤1000

输入样例

4 5
1 2 -1
2 4 1
3 4 0
4 5 2

输出样例：

8

2.思路

本题需要用到完全背包和01背包问题的知识，如若有不了解或有遗忘，可跳转到下面页面进行学习：

01背包问题

完全背包问题

对于混合背包，我们可以清晰的看出这是三个背包问题的整合，而为了解决这个问题，我们我们可以将其中的01背包问题和完全背包问题均转化为多重背包问题，然后使用多重背包问题的二进制优化来解决该题。

01背包转换为多重背包，毋庸置疑只需要在tempv，tempw（存放优化后的体积和价值的列表）两个列表中分别加上对应的物品，因为01背包中的物品只有一件，也就是只能使用一次，所以直接加入就行

完全背包转换为多重背包，因为完全背包中的物品可以使用无数次，也就相当于有无数件物品，但我们知道，背包它是有总体积的，虽然物品可以一直使用，但它由于背包总体积的限制，导致它的范围上限变成了:v/物品体积，这样完全背包就转换成了多重背包问题。然后使用二进制优化的写法把其添加到优化后的列表中

全部转换完成后，此时也相当于完成了二进制优化，之后便可以使用一维dp滚动列表求出最大价值

3.代码

 python代码：

n,v=map(int,input().split())#输入n,v
bag=[]
for i in range(n):
    bag.append(list(map(int,input().split())))#将体积，价值，类型全部放入bag中
tempv=[]#用于存放二进制优化后的体积
tempw=[]#用于存放二进制优化后的价值
newn=0#用于统计优化后总共的物品
for i in range(n):
    if(bag[i][2]==-1):#01背包
        tempv.append(bag[i][0])
        tempw.append(bag[i][1])
        newn=newn+1
    elif(bag[i][2]==0):#完全背包
        k = 1
        x=v//bag[i][0]#因为总体积的缘故，所以虽然其为完全背包的类型，终还是有上限
        while(k<=x):
            tempv.append(k*bag[i][0])
            tempw.append(k*bag[i][1])
            x=x-k
            k=k*2
            newn=newn+1
        if(x!=0):
            tempv.append(x*bag[i][0])
            tempw.append(x*bag[i][1])
            newn = newn + 1
    elif(bag[i][2]>0):#多重背包
        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
            newn = newn + 1
        if (bag[i][2] != 0):
            tempv.append(bag[i][2] * bag[i][0])
            tempw.append(bag[i][2] * bag[i][1])
            newn = newn + 1
dp=[0 for i in range(v+1)]
def fun(newn,tempv,tempw,v):#一维滚动dp列表求最大价值
    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,tempv,tempw,v)