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
案例分析:
多重背包问题其实也算01背包的变种问题,01背包是物品只有一件,多重背包是物品具有有限件数。
多重背包最简单暴力的解法就是将他完全看做01背包。每一件物品都是单独的一种物品。
上代码:
//多重背包问题
#include <iostream>
using namespace std;
#define Max(N1, N2) N1 > N2 ? N1 : N2
int wi[10001], vi[10001];
int f[10001];
int main()
{
int N, V;
int n = 0;//总的物品数量
//输入数据
cin >> N >> V;
for (int i = 1; i <= N; i++)
{
int v, w, s;
cin >> v >> w >> s;
for (int k = 1; k <= s; k++)
{
wi[++n] = w;
vi[n] = v;
}
}
//动态规划
for (int i = 1; i <= n; i++)
{
for (int j = V; j >= vi[i]; j--)
{
f[j] = Max(f[j], f[j - vi[i]] + wi[i]);
}
}
cout << f[V];
return 0;
}
使用二进制算法进行优化,比如13件物品,它可以由1,2,4,6件物品组成,我们可以把这些物打包成一个新的物品,1对应vi和wi,2对应2vi和2wi,k的时候为kvi和wik
上代码
#include <iostream>
using namespace std;
#define Max(N1, N2) N1 > N2 ? N1 : N2
int wi[10001], vi[10001];
int f[10001];
int main()
{
int N, V;
int n = 0; //总的物品数量
//输入数据
cin >> N >> V;
for (int i = 1; i <= N; i++)
{
int v, w, s;
cin >> v >> w >> s;
for (int k = 1; k <= s; k *= 2)
{
s-=k;
wi[++n] = w * k;
vi[n] = v * k;
}
if (s > 0)
{
wi[++n] = w * s;
vi[n] = v * s;
}
}
//动态规划
for (int i = 1; i <= n; i++)
{
for (int j = V; j >= vi[i]; j--)
{
f[j] = Max(f[j], f[j - vi[i]] + wi[i]);
}
}
cout << f[V];
return 0;
}
这里解释一下
for (int k = 1; k <= s; k *= 2)
{
s-=k;
wi[++n] = w * k;
vi[n] = v * k;
}
if (s > 0)
{
wi[++n] = w * s;
vi[n] = v * s;
}
为啥要s-=k;因为所有的十进制数都可以由一些二进制数表示出来,比如13,可以由1,2,4组成,那么我们如何得到,1,2,4就是和这个减法有关系,比如:第一次循环k = 1,s = s-k = 12,第二次循环k = 2,s = s-k = 12-2=10,第三次循环k=4,s = s-k = 10-4 =6 ,第四次循环k = 8,退出循环,可以得到1,2,4,因为在取的过程中。每次一次性取,1,2,4,这样下来还剩6个,所以就直接将6加到后面,比如15,第四次k = 8,s = s-k = 8-8 = 0,刚好可以取完。
这样13个物品可由4个物品代替,n个物品可由logn个物品代替降低了时间复杂度。