【算法】动态规划专题⑩ —— 混合背包问题 python

本文链接：https://blog.youkuaiyun.com/2401_87245677/article/details/145538218

前置知识

【算法】动态规划专题⑤ —— 0-1背包问题 + 滚动数组优化
 【算法】动态规划专题⑥ —— 完全背包问题 python
【算法】动态规划专题⑦ —— 多重背包问题 + 二进制分解优化 python

混合背包结合了三种不同类型的背包问题：0/1背包、完全背包和多重背包

进入正题

混合背包问题 https://www.acwing.com/problem/content/description/7/

题目描述

有 $N$ 种物品和一个容量是 $V$ 的背包。

物品一共有三类：

第一类物品只能用1次（01背包）；
第二类物品可以用无限次（完全背包）；
第三类物品最多只能用 $s_i$ 次（多重背包）；

每种体积是 $v_i$ ，价值是 $w_i$ 。

求解将哪些物品装入背包，可使物品体积总和不超过背包容量，且价值总和最大。
输出最大价值。

输入格式

第一行两个整数， $N ， V$ ，用空格隔开，分别表示物品种数和背包容积。

接下来有 $N$ 行，每行三个整数 $v_i, w_i, s_i$ ，用空格隔开，分别表示第 $i$ 种物品的体积、价值和数量。

$s_i = -1$ 表示第 $i$ 种物品只能用1次；
$s_i = 0$ 表示第 $i$ 种物品可以用无限次；
$s_i >0$ 表示第 $i$ 种物品可以使用 $s_i$ 次；

输出格式

输出一个整数，表示最大价值。

数据范围

$\lt N, V \le 1000$
$\lt v_i, w_i \le 1000$
$\le s_i \le 1000$

输入样例

输出样例：

code：

n, v = map(int, input().split())
dp = [0] * (v + 1)
for i in range(1, n + 1):
    vi, wi, si = map(int, input().split())
    if si == 0:  # 完全背包
        for j in range(vi, v + 1):
            dp[j] = max(dp[j], dp[j - vi] + wi)
    elif si == -1:  # 0-1背包
        for j in range(v, vi - 1, -1):
            dp[j] = max(dp[j], dp[j - vi] + wi)
    else:  # 多重背包
        group = []
        k = 1
        while si >= k:
            group.append((vi * k, wi * k))
            si -= k
            k *= 2
        if si > 0:
            group.append((vi * si, wi * si))
        for vi, wi in group:
            for j in range(v, vi - 1, -1):
                dp[j] = max(dp[j], dp[j - vi] + wi)
print(dp[v])