多重背包

整理自背包问题九讲笔记_多重背包


1、问题描述

已知:有一个容量为V的背包和N件物品,第i件物品最多有Num[i]件,每件物品的重量是weight[i],收益是cost[i]。

问题:在不超过背包容量的情况下,最多能获得多少价值或收益

举例:物品个数N = 3,背包容量为V = 8,则背包可以装下的最大价值为64.


----------------------------------------------


2、转换为01背包问题求解(直接利用01背包)

思路 1、直接对每一件物品进行拆分成Num[i]件,之后在拆分后的集合上进行01背包的求解。

时间复杂度:O(V*Σ(Weight[i]))。太慢不好。

思路 2、采用二进制拆分的思想。对每i件物品,拆分的策略为:新拆分的物品的重量等于1件,2件,4件,..,(2^(k - 1)),Num[i] - (2^(k - 1))件,其中k 是满足Num[i] - 2^k + 1 > 0 的最大整数。

注意:

(1)最后一个物品的件数的求法和前面不同,其直接等于 该物品的最大件数 - 前面已经分配之和。

(2)分成的这几件物品的系数和为Num[i],表明第i种物品取的件数不能多于Num[i]。

举例:某物品为13件,则其可以分成四件物品,其系数为1,2,4,6.这里k = 3。

当然,这里使用二进制的前提还是使用二进制拆分能保证对于0,,,Num[i]间的每一个整数,均可以用若干个系数的和表示。

具体使用时,有一个小优化,即:

我们不对所有的物品进行拆分,因此物品一旦拆分,其物品个数肯定增加,那么复杂度肯定上去。

此时,我们可以选择性地对物品进行拆分:

(1)如果第i个物品的重量Weight[i] * 物品的个数Num[i] >= 背包总重量V,可以不用拆分。

(2)如果第i个物品的重量Weight[i] * 物品的个数Num[i] < 背包总重量V,需要拆分。

其实,拆不拆分,就看该物品能不能满足完全背包的条件。即,看该物品能不能无限量供应。

解释:为啥满足Weight[i] * 物品的个数Num[i] >= 背包总重量V的物品可以不用拆分?

此时,满足该条件时,此物品相当于是无限供应,直到背包放不下为止。

最终,对于不需要拆分的物品,可以看成完全背包的情况,调用处理完全背包物品的函数;对于需要拆分的物品,可以看成01背包的情况,调用处理01背包物品的函数。

这样,由于不对满足完全背包的物品进行拆分,此时物品个数就没有对所有物品拆分时的物品个数多,即程序中外层循环降低,复杂度也就下去了。

伪代码:

多重背包_第1张图片

这里:C表示该物品的重量。M表示该物品的个数。V表示背包的最大容量。W表示该物品的收益。

代码:

[cpp]  view plain  copy
  1. #include <iostream>  
  2. using namespace std;  
  3.   
  4. const int N = 3;//物品个数  
  5. const int V = 8;//背包容量  
  6. int Weight[N + 1] = {0,1,2,2};  
  7. int Value[N + 1] = {0,6,10,20};  
  8. int Num[N + 1] = {0,10,5,2};  
  9.   
  10. int f[V + 1] = {0};  
  11. /* 
  12. f[v]:表示把前i件物品放入容量为v的背包中获得的最大收益。 
  13. f[v] = max(f[v],f[v - Weight[i]] + Value[i]); 
  14. v的为逆序 
  15. */  
  16. void ZeroOnePack(int nWeight,int nValue)  
  17. {  
  18.     for (int v = V;v >= nWeight;v--)  
  19.     {  
  20.         f[v] = max(f[v],f[v - nWeight] + nValue);  
  21.     }  
  22. }  
  23.   
  24. /* 
  25. f[v]:表示把前i件物品放入容量为v的背包中获得的最大收益。 
  26. f[v] = max(f[v],f[v - Weight[i]] + Value[i]); 
  27. v的为增序 
  28. */  
  29. void CompletePack(int nWeight,int nValue)  
  30. {  
  31.     for (int v = nWeight;v <= V;v++)  
  32.     {  
  33.         f[v] = max(f[v],f[v - nWeight] + nValue);  
  34.     }  
  35. }  
  36.   
  37. int MultiKnapsack()  
  38. {  
  39.     int k = 1;  
  40.     int nCount = 0;  
  41.     for (int i = 1;i <= N;i++)  
  42.     {  
  43.         if (Weight[i] * Num[i] >= V)  
  44.         {  
  45.             //完全背包:该类物品原则上是无限供应,  
  46.             //此时满足条件Weight[i] * Num[i] >= V时,  
  47.             //表示无限量供应,直到背包放不下为止.  
  48.             CompletePack(Weight[i],Value[i]);  
  49.         }  
  50.         else  
  51.         {  
  52.             k = 1;  
  53.             nCount = Num[i];  
  54.             while(k <= nCount)  
  55.             {  
  56.                 ZeroOnePack(k * Weight[i],k * Value[i]);  
  57.                 nCount -= k;  
  58.                 k *= 2;  
  59.             }  
  60.             ZeroOnePack(nCount * Weight[i],nCount * Value[i]);  
  61.         }  
  62.     }  
  63.     return f[V];  
  64. }  
  65.   
  66. int main()  
  67. {  
  68.     cout<<MultiKnapsack()<<endl;  
  69.     system("pause");  
  70.     return 1;  
  71. }  

你可能感兴趣的:(多重背包)