多重背包问题 三维暴力 二维 一维优化

多重背包问题 I

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

 

 与完全背包问题不相同的点只有原来的无限制的k变成了有限制的s [ i ] 

所以状态转移方程也是相同的：f [ i ] [ j ] = max ( f [ i - 1 ] [ j ] ,  f[ i - 1 ] [ j - k * v [ i ] ] + k * w [ i ]  ) ， k的值为 0，1，2，3，...s [ i - 1 ]， s [ i ] 

#include <iostream>
#include <cstring>
#include <algorithm>
using namespace std;
const int N = 110;

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

int main()
{
    cin >> n >> m ;
    for ( int i = 1 ; i<= n ; i ++ ) cin >> v[i] >> w[i] >> s[i] ;
    for(int i = 1 ; i <= n ; i++ ){
        for( int j = 0 ; j <= m ; j++ ){
            for( int k = 0 ; k*v[i] <= j && k <= s[i] ; k++ ){
                f[i][j] = max ( f[i][j] , f[i - 1][j -v[i] * k] + w [i] * k );
            }
        }
    }
    cout << f[n][m] <<endl ;
    return 0;
}

多重背包问题 II

题目相同，数据范围调整：使用前面的答案直接TLE

数据范围

0<N≤1000
0<V≤2000
0<vi,wi,si≤2000

提示：

本题考查多重背包的二进制优化方法。

f [ i ] [ j ]  = max (  f [ i -1 ] [ j ]  , f [ i - 1] [ j - v [ i ] ] + w [ i ] , f [ i - 1] [ j - 2 * v [ i ] ] + 2 * w [ i ] ,  f [ i - 1] [ j - 3 * v [ i ] ] + 3 * w [ i ] ...... f [ i - 1] [ j - s [ i ] * v [ i ] ] + s [ i ] * w [ i ] ) （1）

f [ i ] [ j - v [ i ] ] = max (  f [ i -1 ] [ j - v [ i ] ] ,  f [ i - 1] [ j - 2 * v [ i ] ] + w [ i ] , f [ i - 1] [ j - 3 * v [ i ] ] + 2 * w [ i ] ...... f [ i - 1] [ j - s [ i ] * v [ i ] ] + ( s [ i ] - 1 ) * w [ i ]  , f [ i - 1] [ j - ( s [ i ] + 1 )* v [ i ] ] + (s [ i ] * w [ i ]  ) （2）

相比以上，（2）中比（1）中后面部分多了一块，是无法通过总的最大值和最后一个值来求出前面部分的最大值，所以不能用完全背包问题的优化方法来优化多重背包问题。

假设：某一物品有s = 1023个，k = 0,1,2,3,...1023，我们要选择若干个。 可以将几个物品打包在一起来计算，分为十组。如：1个物品打包为一组，2个物品打包为一组，4个物品打包为一组 ：物品数 1，2，3，4，8，16....512  。使用这十组可以拼凑出0~1023中任意一个数，例如：想要让k = 6 ，那么可以选择1个物品的组+2物品的组+3个物品的组，总共刚好达到6个物品。这十个组选或不选，就能够拼凑出所有的方案了。本来需要枚举1024次，现在只需要枚举10次，复杂度从n变为logn。

假设：s=200，那么分组只能分1，2，4，8，16，32，64 ，不能分一组为128，因为如果有一组为128时，所有的组加起来就达到了255，已经超过了200，所以最后一组可以为200-1-2-4-8-16-32-64=73个物品。

设物品数为 S ，分组为1，2，4，8，16 ..... 2^k 。如果多了一个2^(k+1) ，那么1+2+4+8+16+...+2^k+2^(k+1)  > S 。所以 最后一个不能为2^(k+1) ，设最后一个组为C ，那么C = S -1-2-4-8-16-...-2^k ，显然 C < 2^(k+1) 。 分组 1，2，4，8...2^k 中可以凑出0~2^(k+1)-1 里面的任意一个数，加上C后，就能凑出C~2^(k+1)-1+C  ，而2^(k+1)-1+C = S，所以加上C之后，所有的小组就能凑出0~S里面所有的数，而这里有一个问题，0~2^(k+1)-1 和C~S 这两个集合之间的并集是否等于0~S ，由于C < 2^(k+1) ，得出他们的并集确实等于0~S 。

S 可以拆分成logS（2为底）个物品，然后对于所有新的物品做一次01背包问题。原来的时间复杂度为O(NVS) ， 现在为O(NVlogS）。

01背包写成二维 内存超限 超时

#include<iostream>
using namespace std;

const int N = 12010, M = 2010; 
//物品个数是1000*log2000 ,log2000向上取整大约是12 ，所以是12000 
//容积为2000

int n, m;
int v[N], w[N]; //逐一枚举最大是N*logS 
int f[N][M]; // 体积M

int main()
{
    cin >> n >> m;
    int cnt = 0; // 所有新的物品的组别编号
    for(int i = 1;i <= n;i ++)
    {
        int a,b,s;
        cin >> a >> b >> s;
        int k = 1; // 组别里面的个数
        while(k<=s)
        {
            cnt ++ ; //组别先增加
            v[cnt] = a * k ; //整体体积
            w[cnt] = b * k; // 整体价值
            s -= k; // s要减小
            k *= 2; // 组别里的个数倍增
        }
        //剩余的一组C
        if(s > 0 )
        {
            cnt ++ ;
            v[cnt] = a*s; 
            w[cnt] = b*s;
        }
    }

    n = cnt ; //枚举次数正式由个数变成组别数

    //01背包一维优化
    for(int i = 1;i <= n ;i ++)
        for(int j = 0 ;j <= m;j ++){
            f[i][j] = f[i-1][j];
            if( j >=v[i] ) f[i][j] = max(f[i][j] , f[i-1][j-v[i]]+w[i]);
        }

    cout << f[n][m] << endl;
    return 0;
}

一维优化后

#include<iostream>
using namespace std;

const int N = 12010, M = 2010; 
//物品个数是1000*log2000 ,log2000向上取整大约是12 ，所以是12000 
//容积为2000

int n, m;
int v[N], w[N]; //逐一枚举最大是N*logS 
int f[M]; // 体积M

int main()
{
    cin >> n >> m;
    int cnt = 0; // 所有新的物品的组别编号
    for(int i = 1;i <= n;i ++)
    {
        int a,b,s;
        cin >> a >> b >> s;
        int k = 1; // 组别里面的个数
        while(k<=s)
        {
            cnt ++ ; //组别先增加
            v[cnt] = a * k ; //整体体积
            w[cnt] = b * k; // 整体价值
            s -= k; // s要减小
            k *= 2; // 组别里的个数倍增
        }
        //剩余的一组C
        if(s > 0 )
        {
            cnt ++ ;
            v[cnt] = a*s; 
            w[cnt] = b*s;
        }
    }

    n = cnt ; //枚举次数正式由个数变成组别数

    //01背包一维优化
    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;
}