DP | 27 多重背包理论基础

本文记录的是刷题过程中的重要概念和笔记。如有侵权,请联系删除。

简介

有N种物品和一个容量为V 的背包。第i种物品最多有Mi件可用,每件耗费的空间是Ci ,价值是Wi 。求解将哪些物品装入背包可使这些物品的耗费的空间 总和不超过背包容量,且价值总和最大。

多重背包和01背包

多重背包和01背包是非常像的, 为什么和01背包像呢?
每件物品最多有Mi件可用,把Mi件摊开,其实就是一个01背包问题了。

void test_multi_pack() {
    vector<int> weight = {1, 3, 4};
    vector<int> value = {15, 20, 30};
    vector<int> nums = {2, 3, 2};
    int bagWeight = 10;
    for (int i = 0; i < nums.size(); i++) {
        while (nums[i] > 1) { // nums[i]保留到1,把其他物品都展开
            weight.push_back(weight[i]);
            value.push_back(value[i]);
            nums[i]--;
        }
    }

    vector<int> dp(bagWeight + 1, 0);
    for(int i = 0; i < weight.size(); i++) { // 遍历物品
        for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
            dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
        }
        for (int j = 0; j <= bagWeight; j++) {
            cout << dp[j] << " ";
        }
        cout << endl;
    }
    cout << dp[bagWeight] << endl;

}
int main() {
    test_multi_pack();
}

时间复杂度:O(m × n × k),m:物品种类个数,n背包容量,k单类物品数量
也有另一种实现方式,就是把每种商品遍历的个数放在01背包里面在遍历一遍。

代码如下:(详看注释)

void test_multi_pack() {
    vector<int> weight = {1, 3, 4};
    vector<int> value = {15, 20, 30};
    vector<int> nums = {2, 3, 2};
    int bagWeight = 10;
    vector<int> dp(bagWeight + 1, 0);


    for(int i = 0; i < weight.size(); i++) { // 遍历物品
        for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
            // 以上为01背包,然后加一个遍历个数
            for (int k = 1; k <= nums[i] && (j - k * weight[i]) >= 0; k++) { // 遍历个数
                dp[j] = max(dp[j], dp[j - k * weight[i]] + k * value[i]);
            }
        }
        // 打印一下dp数组
        for (int j = 0; j <= bagWeight; j++) {
            cout << dp[j] << " ";
        }
        cout << endl;
    }
    cout << dp[bagWeight] << endl;
}
int main() {
    test_multi_pack();
}

时间复杂度:O(m × n × k),m:物品种类个数,n背包容量,k单类物品数量

优化

当然还有那种二进制优化的方法,其实就是把每种物品的数量,打包成一个个独立的包。

和以上在循环遍历上有所不同,因为是分拆为各个包最后可以组成一个完整背包,具体原理我就不做过多解释了,大家了解一下就行,面试的话基本不会考完这个深度了,感兴趣可以自己深入研究一波。

总结

多重背包在面试中基本不会出现,力扣上也没有对应的题目,大家对多重背包的掌握程度知道它是一种01背包,并能在01背包的基础上写出对应代码就可以了。

至于背包九讲里面还有混合背包,二维费用背包,分组背包等等这些,大家感兴趣可以自己去学习学习,这里也不做介绍了,面试也不会考

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
多重背包问题是一个经典的动态规划问题,它的目标是在给定的一组物品中选择一些物品,使得它们的总体积和不超过背包的容量,同时最大化它们的总价值。与 0-1 背包问题不同的是,多重背包问题允许每种物品被选择多次,而不仅仅是一次。 在 MATLAB 中,可以使用动态规划的方法来解决多重背包问题。具体实现步骤如下: 1. 定义状态:设 dp(i,j) 表示前 i 种物品,总体积不超过 j 的情况下,可以获得的最大价值。 2. 状态转移方程:对于第 i 种物品,可以选择 0 到 k(i) 个,其中 k(i) 表示第 i 种物品的可选数量。因此,dp(i,j) 可以由以下两种情况转移而来: a. 不选择第 i 种物品:dp(i,j) = dp(i-1,j) b. 选择第 i 种物品 k 个,此时总体积不超过 j:dp(i,j) = max(dp(i,j), dp(i-1,j-k*v(i))+k*w(i)) 其中,v(i) 表示第 i 种物品的体积,w(i) 表示第 i 种物品的价值。 3. 初始状态:dp(0,j) = 0,dp(i,0) = 0。 4. 最终结果:dp(n,m),其中 n 表示物品的数量,m 表示背包的容量。 使用 MATLAB 实现多重背包问题的代码可以参考如下: ```matlab function [maxValue] = multipleKnapsack(n, m, v, w, k) % n: 物品数量,m: 背包容量,v: 物品体积,w: 物品价值,k: 可选数量 dp = zeros(m+1,1); for i = 1:n for j = m:-1:0 for t = 0:min(k(i),floor(j/v(i))) dp(j+1) = max(dp(j+1), dp(j-t*v(i)+1)+t*w(i)); end end end maxValue = dp(m+1); end ``` 其中,n、m、v、w、k 分别表示物品的数量、背包的容量、物品的体积、物品的价值和物品的可选数量。函数返回值为最大的总价值 maxValue。 注意:本代码仅供参考,请根据实际情况进行调整和优化。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值