背包DP--分组背包

分组背包

【题目】

有$n$组物品和一个容量是 $V$的背包。每组物品有若干个，同一组内的物品最多只能选一个。每件物品的体积是$v_i$，价值是$w_{ij}$，其中$i$是组号，$j$是组内编号。
求解将哪些物品放入背包，可使物品总体积不超过背包容量，且总价值最大。输出最大价值。

【输入】

第一行有两个整数$n$、$V$，分别表示物品组数和背包容量。
接下来有$n$组数据:
每组数据第一行有一个整数$s_i$，表示第$i$个物品组的物品数量;
每组数据接下来有$s_i$行，每行有两个整数$v_{ij}$、$w_{ij}$，分别表示第$i$个物品组的第$j$个物品的体积和价值;
【输出】
输出一个整数，表示最大价值。

输入样例

2 6
2
1 2
2 3
3
1 1
3 5
2 4

输出样例

8

我们使用以下五步来分析这个背包dp问题
1️⃣确定dp数组（dp table）以及下标的含义
2️⃣确定递推公式
3️⃣dp数组如何初始化
4️⃣确定遍历顺序
5️⃣举例推导dp数组

方法一：朴素算法

第一步：确定dp数组（dp table）以及下标的含义
最大价值应该是物品组$i$和背包容量$j$的函数，用$f[i][j]$表示前$i$组物品，能放入容量为$j$的背包的最大价值。

第二步：确定递推公式
此时我们来思考一下状态转移的过程以便我们来理解递推公式
在前面明确了$dp$数组的含义前$i$组物品，能放入容量为$j$的背包的最大价值。
那么我当前的$f[i][j]$只由$f[i-1][?]$（这里指的是第$i$行的数据来源于第$i-1$行）决定
所以对于第$i$组物品，容量为$j$的背包，有$s+1$种选法(有不选的情况,直接取$f[i-1][j]$的值即可)
所以在这其中取最大值即可

$max(f[i-1][j],f[i-1][j-v_1]+w_1,f[i-1][j-v_2]+w_2,.....,f[i-1][j-v_s]+w_s)$

 // 选入第i组第k个物品，能获取的价值
f[i][j] = max(f[i][j],f[i-1][j-v[i][k]]+w[i][k]) 

第三步：dp数组如何初始化

第四步：确定遍历顺序

由第二步可知我的遍历顺序为先遍历物品，再遍历体积，最后遍历第i组的每一个物品，从中选择当前状态下价值最大的一个。

第五步：举例推导dp数组

打印dp数组，检查思路是否正确，检查每一个状态的值是否合理

代码：

for(int i=1;i<=n;i++){// 第i组物品
		for(int j=1;j<=V;j++){// 体积
			for(int k=0;k<=s[i];k++){// 第i组的k个可选物品
				// j为当前背包容量，v[i][k]为第i组第k件物品的体积
				// 第i组第k件物品的体积大于当前背包容量不选
				if(j>=v[i][k]){
					// f[i][j]为不选第i组第k个物品，已获取的价值
					/** f[i-1][j-v[i][k]]+w[i][k]，
					为选入第i组第k个物品，能获取的价值 **/
					f[i][j] = max(f[i][j],f[i-1][j-v[i][k]]+w[i][k]);
				}
			}
		}
	}
	cout<<f[n][V];

对比多重背包的朴素算法

for(int i=1;i<=n;i++){// 物品 
		for(int j=1;j<=V;j++){// 体积 
			for(int k=0;k<=s[i];k++){// 决策 （选那些）
				if(j>=k*v[i]){
					f[i][j] = max(f[i][j],f[i-1][j-k*v[i]]+k*w[i]);
				}
			}
		}
	}
cout<<f[n][V];

多重背包：
时间复杂度可以优化（二进制优化，单调队列优化），
空间复杂度可以优化（二维数组–》一维数组）。

分组背包：
时间复杂度难以优化（分组背包第i组物品的体积和价值各不相同，难以组合或分类），
空间复杂度可以优化（只使用了上一行的数组，这样就可以优化为滚动数组（一维数组））。

for(int i=1;i<=n;i++){// 物品 
		cin>>s;
		for(int j=1;j<=s;j++) cin>>v[j]>>w[j];
		// 分组背包 朴素算法 一维 
		for(int j=V;j>=1;j--){// 体积 
			for(int k=0;k<=s;k++){// 决策 
				if(j>=v[k]){
					f[j] = max(f[j],f[j-v[k]]+w[k]);
				}
			}
		}
	} 
cout<<f[V];

逆序的原因：
因为$f[j]$先于$f[j-v_k]$更新，所以$f[j-v_k]$的值等价于$f[i-1][j-v_k]$的值。