[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
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。