[AcWing] 5. 多重背包问题 II（C++实现）多重背包问题 II （带二进制优化）模板题

此题就是加了时间复杂度限制的 [AcWing] 4. 多重背包问题 I（C++实现）多重背包问题 I模板题。

1. 题目

2. 读题（需要重点注意的东西）

思路：
闫式dp分析法

---

用闫式dp分析法分析多重背包问题
分析过程大致同如下的完全背包问题，完全背包问题是第 i 件物品可以选任意多个，而多重背包问题只限制了第 i 件物品最多选 s[i] 个，加上这条限制即可。
以下是完全背包问题的分析：

---

根据以上分析得到的多重背包问题的朴素做法由于时间复杂度过高，在此题中会造成TLE（如图所示）。
因此需要对该算法进行优化。

不同于完全背包问题可以通过数学方式直接消去k，多重背包问题有个限制------即第 i 个物品最多拿 s[ i ] 个，因此不能直接消去k。

那么采取什么样的方法进行优化呢？

---

二进制优化

例子： 如果第 i 个物品有200个 。
我们将其打包成 1 2 4 8 16 32 64 73（其中73 = 200-1-2-3-8-16-31-64），八组物品。
在这八组物品中，每组选或者不选这组，则转换成了0-1背包问题。
然后用这八组物品，就可以凑出0~200的物品的情况， 这样就将时间复杂度从 n 降为了 logn。

对于每一种物品，我们都将其打包，最终有 cnt 包物品，再对这 cnt 包物品进行 0-1背包问题 即可。

3. 解法

---------------------------------------------------解法：二进制优化版---------------------------------------------------

#include <iostream>
#include <algorithm>

using namespace std;

// 物品个数最多是1000 x log2000 
const int N = 12010, M = 2010;

int n, m;
int v[N], w[N];
int f[M];

int main()
{
    cin >> n >> m;

    int cnt = 0;
    for (int i = 1; i <= n; i ++ )
    {
        // 对于每一种物品 i 都进行打包操作 1 2 4 8 .... c (c = s - 1 - 2 - 4 - 8 ...)
        int a, b, s;
        cin >> a >> b >> s;
        // 打包
        int k = 1;
        while (k <= s)
        {
            cnt ++ ;
            v[cnt] = a * k;
            w[cnt] = b * k;
            s -= k;
            k *= 2;
        }
        if (s > 0)
        {
            cnt ++ ;
            v[cnt] = a * s;
            w[cnt] = b * s;
        }
    }
    
    n = cnt;
    
    // 对分好组的 n 包物品做 0 - 1 背包问题
    for (int i = 1; i <= n; i ++ )
        for (int j = m; j >= v[i]; j -- )
            f[j] = max(f[j], f[j - v[i]] + w[i]);

    cout << f[m] << endl;

    return 0;
}

---

4. 可能有帮助的前置习题

• [AcWing] 3. 完全背包问题（C++实现）完全背包问题模板题
• [AcWing] 4. 多重背包问题 I（C++实现）多重背包问题 I模板题

5. 所用到的数据结构与算法思想

• 动态规划
• 多重背包问题
• 二进制优化（本题重点）

6. 总结

多重背包问题 II 模板题，主要思想是使用二进制进行优化，理解思想并熟记代码。