深入剖析多重背包问题(上篇)
前言
在前面的两篇文章当中,我们已经仔细的讨论了01背包问题和完全背包问题,在本篇文章当中将给大家介绍另外一种背包问题——多重背包问题,多重背包问题的物品数量介于01背包问题和完全背包问题之间,他的物品的数量是有限个!
多重背包问题介绍
有 (N) 种物品和一个容量是 (V) 的背包。第 (i) 种物品最多有 (s_i) 件,每件体积是 (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。
注意:上面使用到的字符含义在本篇文章当中都一样。
多重背包问题跟01背包和完全背包的区别都是在物品的可用次数上,01背包只能使用一次,多重背包可以使用无数次,而多重背包可以使用多次。
背包问题复习——01背包的动态转移方程
01背包的动态转移方程
01背包问题当中,我们是使用一个二维数组dp[i][j]
进行计算,dp[i][j]
表示在只使用前i
个物品且背包容量为j
的情况下,我们能够获得的最大的收益。在这个情况下,我们根据当前背包容量j
判断是否能装入第i
个物品可以得到下面两个方程:
上面01背包的公式的第二条比较简单,如果背包容量不足以容纳第i
件物品,那么只能从前i - 1
物品当中选择了。我们来仔细分析一下第一条公式。
如果当前背包容量可以容纳第i
个物品,那么我们就可以选择第i
件物品或者不选择,我们应该选择两种选择当中收益更大的那个。
- 如果我们不选择第
i
个物品,那么我们就能够使用容量为j
的背包去选择前i - 1
个物品,这种情况下我们的最大收益为dp[i - 1][j]
。 - 如果选择第
i
个物品,那么我们背包容量还剩下j - v[i]
,还可以选择剩下的i - 1
个物品,而且我们的收益需要加上w[i]
,因此我们的收益为max(dp[i - 1][j - v[i]] + w[i], dp[i - 1][j])
。
将多重背包转化成01背包
在多重背包的问题当中,我们对于一种物品我们可以使用多次,比说(A)物品我们可以用三次。事实上我们可以将多重背包转化成01背包,比如我们可以将三个(A)物品变成三个不同的物品,所谓不同就是他们的名字不一样,但是他们的价值和体积都是一样的,假设(A)的体积为(V_a),价值为(W_a),能够使用的次数为3次,那么我们可以将其转化成(A_1),(A_2),(A_3),这三个物品的体积和价值均为(V_a)和(W_a),这样的话(A)可以使用3次就转化成了(A_1)、(A_2)和(A_3)均只能使用一次。通过这种转换我们就将多重背包转化成了01背包。
多重背包Java
代码:
import java.util.ArrayList; import java.util.Scanner; public class Main { public static void main(String[] args) { Scanner scanner = new Scanner(System.in); int N = scanner.nextInt(); int V = scanner.nextInt(); ArrayList<Integer> v = new ArrayList<>(); ArrayList<Integer> w = new ArrayList<>(); for (int i = 0; i < N; i++) { int vi = scanner.nextInt(); int wi = scanner.nextInt(); int t = scanner.nextInt(); for (int j = 0; j < t; j++) { v.add(vi); w.add(wi); } } int[][] dp = new int[v.size() + 1][V+ 1]; // 对第0行进行初始化操作 for (int i = v.get(0); i <= V; ++i) { dp[0][i] = w.get(0); } for (int i = 1; i < v.size(); ++i) { for (int j = 0; j <= V; ++j) { if (j >= v.get(i)) { dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - v.get(i)] + w.get(i)); } else { dp[i][j] = dp[i - 1][j]; } } } System.out.println(dp[v.size() - 1][V]); } }
和01背包一样,我们对多重背包也可以使用单行数组进行优化:
import java.util.ArrayList; import java.util.Scanner; public class Main { public static void main(String[] args) { Scanner scanner = new Scanner(System.in); int N = scanner.nextInt(); int V = scanner.nextInt(); ArrayList<Integer> v = new ArrayList<>(); ArrayList<Integer> w = new ArrayList<>(); for (int i = 0; i < N; i++) { int vi = scanner.nextInt(); int wi = scanner.nextInt(); int t = scanner.nextInt(); for (int j = 0; j < t; j++) { v.add(vi); w.add(wi); } } int[] f = new int[V + 1]; for (int i = 0; i < v.size(); i++) { for (int j = V; j >= v.get(i); j--) { f[j] = Math.max(f[j], f[j - v.get(i)] + w.get(i)); } } System.out.println(f[V]); } }
多重背包动态转移方程
在背包容量足够的情况下,01背包的动态转移方程为:
上述的动态转移方程是基于每个物品选和不选,那么对于多重背包来说,如果物品可以选择(S)次,我们可以选择0次,可以选择1次,......,可以选择(S)次,我们就需要从这些情况当中选择收益最大的那次(前提是背包能够容纳下相应次数的物品),因此多重背包的动态转移方程如下( (T = min(S, frac{V}{v_i})),其中(S)表示物品能够选择的次数,(v_i)表示物品的体积,(V)表示当前背包的容量):
基于上面的动态转移方程我们可以得到下面的代码:
import java.util.Scanner; public class Main { public static void main(String[] args) { Scanner scanner = new Scanner(System.in); int N = scanner.nextInt(); int V = scanner.nextInt(); int[] w = new int[N]; int[] v = new int[N]; int[] t = new int[N]; int[] f = new int[V + 1]; for (int i = 0; i < N; i++) { v[i] = scanner.nextInt(); w[i] = scanner.nextInt(); t[i] = scanner.nextInt(); } for (int i = 0; i < N; i++) { for (int j = V; j >= v[i]; --j) { // 这个循环就表示多重背包的动态转移公式了 // 在这段代码当中虽然 Math.max的参数只有量 // 但是有一段循环,将这个循环展开,他表示的 // 就是多重背包的动态转移方程 for (int k = 1; k <= t[i] && j >= v[i] * k; k++) { f[j] = Math.max(f[j], f[j - v[i] * k] + w[i] * k); } } } System.out.println(f[V]); } }
总结
在本篇文章当中主要跟大家介绍了多重背包的两种解决办法,一种是将多重背包转化成01背包,另外一种方法是根据多重背包的动态转移方程去解决问题,可以看出后者的空间复杂度更低,更节约内存空间。下期我们用另外一种方法去优化多重背包。
以上就是本篇文章的所有内容了,希望大家有所收获,我是LeHung,我们下期再见!!!
更多精彩内容合集可访问项目:https://github.com/Chang-LeHung/CSCore
关注公众号:一无是处的研究僧,了解更多计算机(Java、Python、计算机系统基础、算法与数据结构)知识。