多重背包（c++)

多重背包

有 N 种物品，第 i 种物品的体积是 ci​，价值是 wi​。

与 01 背包不同的是，多重背包每种物品都有若干个，数量为 ni​，是有限的。

现有容量为 V 的背包，请你放入若干物品，在总体积不超过 V 的条件下，使总价值尽可能大。

算法

我们可以把每个种类的 ni​ 个物品，都当成 01 背包里的不同种物品，只是恰巧体积和价值相同。

这样把 ni​ 个物品逐个拆分，则一共有 ∑ni​ 个物品。

原问题便转化为一个普通的 01 背包，时间复杂度是 O(V∑n)。

for (int i = 1; i <= N; i++) {
    for (int j = 1; j <= n[i]; j++) {
        ++cnt;
        for (int k = 0; k <= V; k++) {
            if (k >= c[i]) dp[cnt][k] = max(dp[cnt - 1][k - c[i]] + w[i], dp[cnt - 1][k]);
            else dp[cnt][k] = dp[cnt - 1][k];
        }
    }
}
// 最终答案是 dp[cnt][V]

我们发现，这种实现方式会导致内存占用非常高，一共需要开辟的数组大小为物品总数和总体积的乘积。怎么办呢？

换个思路！

我们也可以在转移的过程中枚举 k，代表第 i 个物品选取的数量，和 01 背包的思想一样，有如下转移。

dp[i][v]=max(dp[i][v],dp[i−1][v−k∗ci​]+k∗wi​),0≤k≤ni​

这样的时间复杂度也是 O(V∑n)。

实际上 01 背包是特殊的多重背包。

核心代码

for (int i = 1; i <= N; i++) {
    for (int j = 0; j <= V; j++) {
        for (int k = 0; k <= n[i]; k++) {
            if (j >= c[i] * k) {
                dp[i][j] = max(dp[i - 1][j - c[i] * k] + w[i] * k, dp[i][j]);
            }
        }
    }
}

 这一份代码和 01 背包相比，不再有 else 部分了，因为，k = 0 的时候 dp[i][j] = max(dp[i - 1][j], dp[i][j]) ，相当于 01 背包的 else 部分。

完整代码：

#include <iostream>
#include <cstring>
#include <algorithm>
using namespace std;

int dp[21][1010];
int w[21], c[21], n[21];

int main() {
    int N, V;
    cin >> N >> V;
    for (int i = 1; i <= N; ++i) {
        cin >> w[i] >> c[i] >> n[i];
    }
    for (int i = 1; i <= N; i++) {
        for (int j = 0; j <= V; j++) {
            for (int k = 0; k <= n[i]; k++) {
                if (j >= c[i] * k) {
                    dp[i][j] = max(dp[i][j],dp[i - 1][j - c[i] * k] + w[i] * k);
                }
            }
        }
    }
    cout << dp[N][V] << endl;
    return 0;
}