动态规划:关于多重背包,你该了解这些!

开发 前端
对于多重背包,我在力扣上还没发现对应的题目,所以这里就做一下简单介绍,大家大概了解一下。

[[381493]]

多重背包

对于多重背包,我在力扣上还没发现对应的题目,所以这里就做一下简单介绍,大家大概了解一下。

有N种物品和一个容量为V 的背包。第i种物品最多有Mi件可用,每件耗费的空间是Ci ,价值是Wi 。求解将哪些物品装入背包可使这些物品的耗费的空间 总和不超过背包容量,且价值总和最大。

多重背包和01背包是非常像的, 为什么和01背包像呢?

每件物品最多有Mi件可用,把Mi件摊开,其实就是一个01背包问题了。

例如:

背包最大重量为10。

物品为:

  重量 价值 数量
物品0 1 15 2
物品1 3 20 3
物品2 4 30 2

问背包能背的物品最大价值是多少?

和如下情况有区别么?

  重量 价值 数量
物品0 1 15 1
物品0 1 15 1
物品1 3 20 1
物品1 3 20 1
物品1 3 20 1
物品2 4 30 1
物品2 4 30 1

毫无区别,这就转成了一个01背包问题了,且每个物品只用一次。

这种方式来实现多重背包的代码如下:

  1. void test_multi_pack() { 
  2.     vector<int> weight = {1, 3, 4}; 
  3.     vector<int> value = {15, 20, 30}; 
  4.     vector<int> nums = {2, 3, 2}; 
  5.     int bagWeight = 10; 
  6.     for (int i = 0; i < nums.size(); i++) { 
  7.         while (nums[i] > 1) { // nums[i]保留到1,把其他物品都展开 
  8.             weight.push_back(weight[i]); 
  9.             value.push_back(value[i]); 
  10.             nums[i]--; 
  11.         } 
  12.     } 
  13.  
  14.     vector<int> dp(bagWeight + 1, 0); 
  15.     for(int i = 0; i < weight.size(); i++) { // 遍历物品 
  16.         for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量 
  17.             dp[j] = max(dp[j], dp[j - weight[i]] + value[i]); 
  18.         } 
  19.         for (int j = 0; j <= bagWeight; j++) { 
  20.             cout << dp[j] << " "
  21.         } 
  22.         cout << endl; 
  23.     } 
  24.     cout << dp[bagWeight] << endl; 
  25.  
  26. int main() { 
  27.     test_multi_pack(); 
  • 时间复杂度:O(m * n * k) m:物品种类个数,n背包容量,k单类物品数量

也有另一种实现方式,就是把每种商品遍历的个数放在01背包里面在遍历一遍。

代码如下:(详看注释)

  1. void test_multi_pack() { 
  2.     vector<int> weight = {1, 3, 4}; 
  3.     vector<int> value = {15, 20, 30}; 
  4.     vector<int> nums = {2, 3, 2}; 
  5.     int bagWeight = 10; 
  6.     vector<int> dp(bagWeight + 1, 0); 
  7.  
  8.  
  9.     for(int i = 0; i < weight.size(); i++) { // 遍历物品 
  10.         for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量 
  11.             // 以上为01背包,然后加一个遍历个数 
  12.             for (int k = 1; k <= nums[i] && (j - k * weight[i]) >= 0; k++) { // 遍历个数 
  13.                 dp[j] = max(dp[j], dp[j - k * weight[i]] + k * value[i]); 
  14.             } 
  15.         } 
  16.         // 打印一下dp数组 
  17.         for (int j = 0; j <= bagWeight; j++) { 
  18.             cout << dp[j] << " "
  19.         } 
  20.         cout << endl; 
  21.     } 
  22.     cout << dp[bagWeight] << endl;  
  23. int main() { 
  24.     test_multi_pack(); 
  • 时间复杂度:O(m * n * k) m:物品种类个数,n背包容量,k单类物品数量

从代码里可以看出是01背包里面在加一个for循环遍历一个每种商品的数量。和01背包还是如出一辙的。

当然还有那种二进制优化的方法,其实就是把每种物品的数量,打包成一个个独立的包。

和以上在循环遍历上有所不同,因为是分拆为各个包最后可以组成一个完整背包,具体原理我就不做过多解释了,大家了解一下就行,面试的话基本不会考完这个深度了,感兴趣可以自己深入研究一波。

总结

多重背包在面试中基本不会出现,力扣上也没有对应的题目,大家对多重背包的掌握程度知道它是一种01背包,并能在01背包的基础上写出对应代码就可以了。

至于背包九讲里面还有混合背包,二维费用背包,分组背包等等这些,大家感兴趣可以自己去学习学习,这里也不做介绍了,面试也不会考。

本文转载自微信公众号「代码随想录」,可以通过以下二维码关注。转载本文请联系代码随想录公众号。

 

责任编辑:武晓燕 来源: 代码随想录
相关推荐

2021-01-19 05:46:45

背包数组容量

2021-01-04 08:37:53

动态规划DP

2022-01-17 13:31:53

value背包解法

2021-07-13 14:03:24

二叉树满二叉树完全二叉树

2021-04-27 07:52:18

跳槽数据分析

2021-05-18 08:02:40

面试面试问题职业规划

2018-10-15 12:42:21

2020-10-29 10:26:28

DevOps软件自动化

2021-05-11 07:39:58

跳槽谈薪工作

2020-04-03 18:43:21

大数据Hadoop数据

2021-03-15 12:00:19

Kubernetes微服务架构

2021-04-13 07:58:38

背包代码模式

2021-03-29 09:37:17

SpringBoot常用注解Spring Boot

2015-03-24 14:11:41

程序员

2022-11-04 13:06:47

JVMJava程序

2019-11-15 10:16:19

HTTP浏览器网络

2023-09-07 10:26:50

接口测试自动化测试

2021-01-07 05:40:13

BLE模块Android

2017-01-09 16:40:07

React NatiAndroid 开发

2010-08-27 15:24:39

机房监控
点赞
收藏

51CTO技术栈公众号