多重背包

  • 注意事项
  • 一定要记住循环里面记录的是2的0次幂加上之后的,一个都不能少
  • dp的数组要开的比给的大,大概30倍就够了吧
  • 一定要注意里面*的是2次米
  • 不要让里面得喝大于num】
`#include<bits/stdc++.h>
using namespace std;
const int maxn=20005;
int dp[maxn],w[maxn],num[maxn],va[maxn];
int va1[maxn*35],w1[maxn*35];
int ci[54];
int main()
{int n,v;
cin>>n>>v;
for(int i=1;i<=n;i++)
{
    cin>>va[i]>>w[i]>>num[i];
}
ci[0]=1;
for(int i=1;i<=31;i++)
{
    ci[i]=ci[i-1]*2;
}
int n1=0;
 
for(int i=1;i<=n;i++)
{
    int op=0;
    for(int j=0;op+ci[j]<num[i];j++)
    {   int r=ci[j];
        op+=r;		
        va1[++n1]=va[i]*r;
        w1[n1]=w[i]*r;
    } 
    if(num[i]-op>0)
    {
   va1[++n1]=(num[i]-op)*va[i];
     w1[n1]=w[i]*(num[i]-op);
	}
}
dp[0]=0;
memset(dp,0,sizeof(dp));
for(int i=1;i<=n1;i++)
for(int j=v;j>=0;j--)
{
    if(j>=va1[i])
    {
        dp[j]=max(dp[j],dp[j-va1[i]]+w1[i]);
    }
}

cout<<dp[v];
    return 0;
}`
### 多重背包问题的解决方案 多重背包问题是经典的背包问题之一,其核心思想是将每种物品的数量限制考虑进去,在不超过背包容量的前提下最大化价值总和。以下是关于多重背包问题的具体实现方法。 #### 动态规划的核心概念 动态规划是一种常用的优化技术,用于解决具有最优子结构的问题。对于多重背包问题,可以通过将其转化为更简单的形式来简化计算过程。具体来说,可以采用二进制拆分或者单调队列优化的方式来减少时间复杂度[^2]。 #### 转化为0/1背包问题 一种常见的做法是将多重背包问题分解成多个独立的0/1背包问题实例。例如,如果某种物品最多可以选择k次,则可以将这种物品分成若干组,使得每一组对应于不同的取值次数(如1, 2, 4...直到接近k)。这样做的好处是可以显著降低状态空间大小,从而提升运行效率。 #### 状态转移方程 设`dp[i][j]`表示前i件物品放入容量为j的背包所能获得的最大价值,则状态转移方程如下: 当不选第i件物品时: `dp[i][j] = dp[i-1][j]` 当选取一定数量的第i件物品时(假设当前可选取数目为t): `dp[i][j] = max(dp[i][j], dp[i-1][j-t*weight[i]] + t*value[i])` 其中`t`满足条件 `t * weight[i] <= j && t <= count[i]` ,这里`count[i]`代表第i类物品的实际可用数量。 #### Java代码示例 下面是一个基于上述原理的Java程序实现: ```java public class MultipleKnapsack { public static int knapsack(int[] weights, int[] values, int[] counts, int capacity) { int n = weights.length; int[][] dp = new int[n + 1][capacity + 1]; for (int i = 1; i <= n; ++i) { for (int w = 0; w <= capacity; ++w) { dp[i][w] = dp[i - 1][w]; for (int k = 1; k <= counts[i - 1]; ++k) { // 遍历可能的选择数 if (weights[i - 1] * k > w) break; dp[i][w] = Math.max(dp[i][w], dp[i - 1][w - k * weights[i - 1]] + k * values[i - 1]); } } } return dp[n][capacity]; } public static void main(String[] args) { int[] weights = {2, 3, 4}; int[] values = {3, 4, 5}; int[] counts = {2, 3, 1}; // 各自对应的数量 int capacity = 7; System.out.println(knapsack(weights, values, counts, capacity)); // 输出最大价值 } } ``` 此代码片段展示了如何通过嵌套循环遍历所有可能性并更新DP表项以找到最佳解法[^1]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值