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;
}