多重背包(模板)

大概思路

把相同的物品按2的n次方进行分组,然后按01背包的思想对分好组的物品进行挑选

例题

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≤1000
0<V≤2000
0<vi,wi,si≤2000

输入样例
4 5
1 2 3
2 4 1
3 4 3
4 5 2
输出样例:
10

 朴素写法(大部分情况下超时)

//多重背包朴素版本 
#include<iostream>
using namespace std;
const int N=110;
int n,m;
int v[N],w[N],s[N];
int 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<=s[i]&&k*v[i]<=j;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;
}

优化版本 

//多重背包优化版本 
#include<iostream>
using namespace std;
const int N=25000,M=2010;
int n,m;
int v[N],w[N];
int f[N];
int main(){
	cin>>n>>m;     //物品种类和背包容积 
	int cnt=0;
	for(int i=1;i<=n;i++){
		int a,b,s;
		cin>>a>>b>>s;       //第i个物品的体积,价值,和数量 
		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;
	for(inti=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;
} 

详解AcWing 5. 多重背包问题 II - AcWing

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 多重背包问题是指在给定容量和物品的价值和重量的情况下,如何最大限度地装入物品,使得总价值最大化的问题。它的模板是:给定N种物品和一个容量为V的背包,每种物品有无限件可用,每件物品的重量是w[i],其价值是v[i]。求解将哪些物品装入背包可使价值总和最大。 ### 回答2: 多重背包问题是一个经典的组合优化问题,它是在0/1背包问题的基础上进行了扩展。在多重背包问题中,每个物品可以被选择的次数不再是1次,而是有一个确定的上限k次(k>1)。我们需要选择一些物品放入背包中,使得它们的总体积不超过背包的容量,并且使得它们的总价值最大化。 要解决多重背包问题,可以使用动态规划的方法。首先,我们定义一个二维数组dp[i][j],其中i表示前i个物品,j表示背包的容量。dp[i][j]表示当只考虑前i个物品、背包容量为j时,能够获取的最大价值。然后,我们可以使用如下的状态转移方程来计算dp[i][j]的值: dp[i][j] = max(dp[i-1][j], dp[i-1][j-v[i]]+w[i], dp[i-1][j-2v[i]]+2w[i], ..., dp[i-1][j-kv[i]]+kw[i]) 其中,v[i]表示第i个物品的体积,w[i]表示第i个物品的价值,k表示第i个物品的可选次数。上述状态转移方程的意义是,我们可以选择不取第i个物品,或者分别取1次、2次、...、k次第i个物品,选择这些情况下的最大价值。 最后,我们可以通过遍历所有的物品和背包容量,计算出dp[n][m],其中n表示物品的个数,m表示背包的容量。dp[n][m]即为问题的解,表示只考虑前n个物品、背包容量为m时能够获取的最大价值。 综上所述,多重背包问题的解决方法是利用动态规划,通过定义状态转移方程和计算数组dp的值,找到问题的最优解。希望以上介绍对您有所帮助。 ### 回答3: 多重背包问题是常见的背包问题之一,与0-1背包问题和完全背包问题类似,但有一些区别。 在多重背包问题中,给定n个物品和一个容量为V的背包,每个物品有两个属性:重量w和价值v。同时,每个物品还有对应的个数限制c,表示该物品的数量最多可以选择c次。 我们需要选择物品放入背包,使得背包的总容量不超过V,同时物品的总价值最大。 多重背包问题可以用动态规划来解决。 我们可以定义一个二维数组dp,其中dp[i][j]表示前i个物品中选择若干个物品放入容量为j的背包时的最大价值。 根据多重背包问题的特点,我们需要对每个物品的个数进行遍历,并依次判断放入背包的个数是否超过c。 具体的状态转移方程为: dp[i][j] = max(dp[i-1][j-k*w[i]] + k*v[i]),其中0 <= k <= min(c[i], j/w[i]) 最后,需要注意的是多重背包问题的时间复杂度较高,为O(N*V*∑(c[i])),其中N是物品的数量,V是背包的容量,∑(c[i])表示物品的个数限制的总和。 总结而言,多重背包问题是在0-1背包问题和完全背包问题基础上的一种更复杂的情况,需要对每个物品的个数进行遍历和判断,采用动态规划求解。

“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