多重背包

多重背包

        “多重背包”不是一类问题，只是一种处理方式。比如说，多重费用背包问题就适用于这种方式。

问题的引入

        你现在拿到了许多的礼物，你要把这些礼物放进袋子里。你只有一个最多装下V 体积物品的袋子，你不能全部放进去。你也拿不动那么重的东西。你估计你能拿的最大重量为 G。现在你了解了每一个物品的完美值、重量和体积，你当然想让袋子中装的物品的完美值总和最大，你又得计划一下了。

【输入】
　　第一行：V 和 G 表示最大重量和体积。
　　第二行：N 表示拿到 N 件礼物。
　　第三到N+2行：每行3个数 Ti Vi Gi 表示各礼物的完美值、重量和体积
【输出】
　　输出共一个数，表示可能获得的最大完美值。
【输入样例】
　　6 5
　　4
　　10 2 2
　　20 3 2
　　40 4 3
　　30 3 3
【输出样例】
　　50
【数据范围】
　　对于20%的数据 N，V，G，Ti，Vi，Gi≤10
　　对于50%的数据 N，V，G，Ti，Vi，Gi≤100
　　对于80%的数据 N，V，G，Ti，Vi，Gi≤300
　　80%到100%的数据是N，V，G，Ti，Vi，Gi≤380 的离散随机数据。

【分析】
        是的！方程式dp[j]=max{dp[j-w[i]]+u[i]} (当j>=w[i]，1<=i<=n)只适用于一维费用问题，对于这道题（二维费用）只用加一维、加一层循环即可。

   dp[j1,j2]=max{dp[j1-w1[i],j2-w2[i]]+u[i]} 
                              (当j1>=w1[i]，j2>=w2[i]，1<=i<=n)

【例题】小明系列故事——买年货 

        春节将至，小明要去超市购置年货，于是小明去了自己经常去的都尚超市。
　　刚到超市，小明就发现超市门口聚集一堆人。用白云女士的话说就是：“那家伙，那场面，真是人山人海，锣鼓喧天，鞭炮齐呤，红旗招展。那可真是相当的壮观啊！”。好奇的小明走过去，奋力挤过人群，发现超市门口贴了一张通知，内容如下：

　　 　　值此新春佳节来临之际，为了回馈广大顾客的支持和厚爱，特举行春节大酬宾、优惠大放送活动。凡是都尚会员都可用会员积分兑换商品，凡是都尚会员都可免费拿k件商品，凡是购物顾客均有好礼相送。满100元送bla bla bla bla，满200元送bla bla bla bla bla...blablabla....

         　　 　　还没看完通知，小明就高兴的要死，因为他就是都尚的会员啊。迫不及待的小明在超市逛了一圈发现超市里有n件他想要的商品。小明顺便对这n件商品打了分，表示商品的实际价值。小明发现身上带了v1的人民币，会员卡里面有v2的积分。他想知道他最多能买多大价值的商品。
         　　由于小明想要的商品实在太多了，他算了半天头都疼了也没算出来，所以请你这位聪明的程序员来帮帮他吧。

【输入格式】
    第一行是四个整数n，v1，v2，k；
    然后是n行，每行三个整数a，b，val，分别表示每个商品的价钱，兑换所需积分，实际价值。
    1 <= n <= 100
    0 <= v1, v2 <= 100
    0 <= k <= 5
    0 <= a, b, val <= 100

    Ps. 只要钱或者积分满足购买一件商品的要求，那么就可以买下这件商品。

【输出格式】
    对于每组数据，输出能买的最大价值。
    详细信息见Sample。 
【样例输入】
样例输入1：
5 1 6 1
4 3 3
0 3 2
2 3 3
3 3 2
1 0 2
样例输入2：
4 2 5 0
0 1 0
4 4 1
3 3 4
3 4 4
【样例输出】
样例输出1：12
样例输出2：4
【来源】
2013腾讯编程马拉松初赛第〇场（3月20日） 

【分析】多维01背包

#include <cstring>
#include <algorithm>
#include <iostream>
using namespace std;
int dp[101][101][6];
int a[101],b[101],c[101];
int n,v1,v2,kk;
int main(){
    cin >> n >> v1 >> v2;
    int i,j,k,ans,l;
    for(i=0;i<n;i++) cin >> a[i] >> b[i] >> c[i];
    memset(dp,0,sizeof(dp));
    for(i=0;i<n;i++){
        for(j=v1;j>=0;j--)
            for(k=v2;k>=0;k--)
               for(l=kk;l>=0;l--){
                    ans=0;
                    if(j>=a[i]) ans=max(dp[j-a[i]][k][l]+c[i],ans);
                    if(k>=b[i]) ans=max(dp[j][k-b[i]][l]+c[i],ans);
                    if(l>=1) ans=max(dp[j][k][l-1]+c[i],ans);
                    dp[j][k][l]=max(dp[j][k][l],ans);
               }
    }
    cout << dp[v1][v2][kk];
    return 0;
}

多重背包与二进制优化

        多重背包是指：要装入背包的物品每种不止一个，且又不是无限多的情况。

转化为0/1背包问题

        一种好想好写的基本方法是转化为01背包求解：把第i种物品换成n[i]件01背包中的物品，则得到了物品数为Σn[i]的01背包问题，直接求解，复杂度是O(V*Σn[i])。

状态转移方程为：
        

f[i][v] = max{ f[i-1][v - k * c[i]] + k*w[i]|     0<=k<=n[i] }

二进制优化

        考虑二进制的思想，我们考虑把第i种物品换成若干件物品，使得原问题中第i种物品可取的每种策略——取0..n[i]件——均能等价于取若干件代换以后的物品。另外，取超过n[i]件的策略必不能出现。
    方法是：将第i种物品分成若干件物品，其中每件物品有一个系数，这件物品的费用和价值均是原来的费用和价值乘以这个系数。使这些系数分别为1,2,4,...,2^(k-1),n[i]-2^k+1，且k是满足n[i]-2^k+1>0的最大整数。例如，如果n[i]为13，就将这种物品分成系数分别为1,2,4,6的四件物品。
    分成的这几件物品的系数和为n[i]，表明不可能取多于n[i]件的第i种物品。另外这种方法也能保证对于0..n[i]间的每一个整数，均可以用若干个系数的和表示，这个证明可以分0..2^k-1和2^k..n[i]两段来分别讨论得出。

    这样就将第i种物品分成了O(log n[i])种物品，将原问题转化为了复杂度为O(V*Σlog n[i])的01背包问题，是很大的改进。