多重背包
每件物品的个数有限制
朴素算法
与完全背包的朴素算法类似 时间复杂度 O ( N ∗ V ∗ S ) O(N*V*S) O(N∗V∗S)
状态转移方程 f [ i ] [ j ] = m a x ( f [ i ] [ j ] , f [ i − 1 ] [ j − k ∗ v [ i ] ] + k ∗ w [ i ] ) f[i][j] = max(f[i][j], f[i - 1][j - k * v[i]] + k * w[i]) f[i][j]=max(f[i][j],f[i−1][j−k∗v[i]]+k∗w[i])
优化成一维时需要从大到小枚举 j j j
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 - k * v[i]] + k * w[i]);
}
}
}
二进制优化
先对s件物品分组,再做01背包问题 时间复杂度 O ( N ∗ V ∗ l o g 2 S ) O(N*V*log_{2}S) O(N∗V∗log2S)
s分组成: 1 , 2 , 4 , 8 , 16... 2 k , s − 2 k + 1 1,2,4,8,16...2^{k},s-2^{k+1} 1,2,4,8,16...2k,s−2k+1 可以证明 0 − s 0-s 0−s的每一个数都可以被以上数字表示出来 所以01背包对于每组物品的的选与不选 就表示所有可能的s的取值
int cnt = 0;
for (int i = 1;i <= n;++i) {
int a, b, s;
cin >> a >> b >> s;
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 (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]);
}
}