|
|
## [$AcWing$ $6$. 多重背包问题 $III$](https://www.acwing.com/problem/content/6/)
|
|
|
|
|
|
### 一、题目描述
|
|
|
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。
|
|
|
输出最大价值。
|
|
|
|
|
|
**输入格式**
|
|
|
第一行两个整数，$N，V$ ($0<N≤1000, 0<V≤20000$)，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。
|
|
|
|
|
|
**输出格式**
|
|
|
输出一个整数，表示最大价值。
|
|
|
|
|
|
**数据范围**
|
|
|
$0<N≤1000$
|
|
|
|
|
|
$0<V≤20000$
|
|
|
|
|
|
$0<v_i,w_i,s_i≤20000$
|
|
|
|
|
|
**提示**
|
|
|
> **本题考查多重背包的单调队列优化方法**。
|
|
|
|
|
|
**输入样例**
|
|
|
```cpp {.line-numbers}
|
|
|
4 5
|
|
|
1 2 3
|
|
|
2 4 1
|
|
|
3 4 3
|
|
|
4 5 2
|
|
|
```
|
|
|
|
|
|
**输出样例**：
|
|
|
```cpp {.line-numbers}
|
|
|
10
|
|
|
```
|
|
|
|
|
|
### 二、三种解法如何选择
|
|
|
三种解法的根本区别在于数据范围，题面都是一样的：
|
|
|
|
|
|
<!-- 让表格居中显示的风格 -->
|
|
|
<style>
|
|
|
.center
|
|
|
{
|
|
|
width: auto;
|
|
|
display: table;
|
|
|
margin-left: auto;
|
|
|
margin-right: auto;
|
|
|
}
|
|
|
</style>
|
|
|
<div class="center">
|
|
|
|
|
|
| ① 朴素版本 | ② 二进制优化版本 | ③ 单调队列优化版本 |
|
|
|
| --------------- | ----------------- | ------------------ |
|
|
|
| $n≤100$,$V≤100$ | $n≤1000$,$V≤2000$ | $n≤1000$,$V≤20000$ |
|
|
|
</div>
|
|
|
|
|
|
> **温馨提示**：~~其实啊，三种都需要熟练背下来，谁知道考试时出题人会从哪个版本出发搞你~~
|
|
|
|
|
|
|
|
|
### 三、单调队列优化
|
|
|
使用朴素版本利用数据进行调试，找一下规律，看看哪个状态间存在转移关系：
|
|
|
|
|
|
```cpp {.line-numbers}
|
|
|
#include <bits/stdc++.h>
|
|
|
|
|
|
using namespace std;
|
|
|
const int N = 1e5 + 10;
|
|
|
int n, m;
|
|
|
int v, w, s;
|
|
|
int f[N];
|
|
|
|
|
|
/**
|
|
|
* 测试用例:
|
|
|
2 9
|
|
|
3 5 2
|
|
|
2 4 3
|
|
|
*/
|
|
|
int main() {
|
|
|
scanf("%d %d", &n, &m);
|
|
|
for (int i = 1; i <= n; i++) {
|
|
|
cin >> v >> w >> s; //体积、价值、数量
|
|
|
//一维是倒序，而且最小值可以到达v
|
|
|
for (int j = m; j >= v; j--)
|
|
|
for (int k = 0; k <= s && j >= k * v; k++) {
|
|
|
f[j] = max(f[j], f[j - k * v] + k * w);
|
|
|
//输出中间过程，用于调试，找规律
|
|
|
printf("f[%d]=%2d f[%d]+%d=%d\n", j, f[j], j - k * v, k * w, f[j - k * v] + k * w);
|
|
|
}
|
|
|
}
|
|
|
return 0;
|
|
|
}
|
|
|
```
|
|
|
<center><img src='https://img2022.cnblogs.com/blog/8562/202201/8562-20220126104409857-886115013.png'></center>
|
|
|
|
|
|
#### 原理解析
|
|
|
|
|
|
多重背包:物品个数是复数个，但又不是无限个。
|
|
|
- 当作$01$背包来理解，$s$个物品当成$s$次$01$背包操作。然后优化的话通过 **二进制** 来优化。
|
|
|
- 当作完全背包来理解，就是有数量限制的完全背包，而这个数量限制就可以理解成 **滑动窗口的长度**,然后优化通过 **单调队列** 来优化。
|
|
|
|
|
|
队列的单调性就是基于
|
|
|
$$f[i][j] = max(f[i - 1][j], f[i - 1][j - v] + w,.....,f[i - 1][j - k * v] + k * w$$
|
|
|
|
|
|
要将前$i - 1$个物品的方案基础上不停尝试放入第$i$个物品，遍历取最大值。
|
|
|
$f[i - 1][j - k*v] + k *w$表示，总空间是$j$，有且仅有$k$个物品$i$，其余空间通过前$i - 1$个物品填充的最大价值。
|
|
|
|
|
|
多重背包因为有数量限制，向前遍历的个数$k$是受到数量$s$限制的。
|
|
|
|
|
|
所以要将$max$中的每个元素$f[i - 1][j], f[i - 1][j - v] + w,.....,f[i - 1][j - k * v] + k * w$，通过维护单调队列，来获得当前窗口宽度$s$范围内的最大值。
|
|
|
|
|
|
并且在$j = j + v$后，队列中所有元素对应状态与当前背包空间差增加了$v$，可以多放一个物品$i$，每个元素对应的价值增加$w$，全部都加一个$w$，所以单调性不发生任何变化。
|
|
|
|
|
|
两种优化可以理解成两种思路的进化路线。
|
|
|
|
|
|
#### 二维版本
|
|
|
```cpp {.line-numbers}
|
|
|
#include <bits/stdc++.h>
|
|
|
|
|
|
using namespace std;
|
|
|
|
|
|
const int N = 1010; // 物品种类上限
|
|
|
const int M = 20010; // 背包容量上限
|
|
|
int n, m;
|
|
|
|
|
|
int f[N][M]; // 前i个物品，在容量为j的限定下，最大的价值总和
|
|
|
int q[M]; // 单调优化的队列,M是背包容量上限，说明q[]里面保存的是体积
|
|
|
|
|
|
// 二维+队列[k-s*v,k],队列长s+1
|
|
|
int main() {
|
|
|
cin >> n >> m;
|
|
|
|
|
|
for (int i = 1; i <= n; i++) { // 考虑前i种物品
|
|
|
int v, w, s; // 体积、价值、个数
|
|
|
cin >> v >> w >> s;
|
|
|
// 下面的j,k是一起用来描述剩余体积的,之所以划分成两层循环，是因为依赖的前序是按v为间隔的依赖，并且，是有个数限制的依赖
|
|
|
// j:按对体积取模分组：0表示剩余空间除以当前物品的体积余数是0
|
|
|
// k:分组内的每一个体积,注意：这里的体积不一定都是合法的，因为数量是有限制的
|
|
|
// 单调队列的意义：查找前面k-s*v范围内的价值的最大值，是一个单调递减的队列，队头保存的是获取到最大值的最近体积
|
|
|
for (int j = 0; j < v; j++) { // 按余数分组讨论
|
|
|
int hh = 0, tt = -1; // 全新的单调下降队列
|
|
|
for (int k = j; k <= m; k += v) { // 与j一起构成了有效体积
|
|
|
// 1、讨论到第i个物品时，由于它最多只有s个，所以有效的转移体积最小是k-s*v,更小的体积将被去除
|
|
|
if (hh <= tt && q[hh] < k - s * v) hh++;
|
|
|
// 2、处理队尾,下一个需要进入队列的是f[i-1][k]，它是后来的，生命周期长，可以干死前面能力不如它的所有老头子,以保证一个单调递减的队列
|
|
|
while (hh <= tt && f[i - 1][q[tt]] + (k - q[tt]) / v * w <= f[i - 1][k]) tt--;
|
|
|
// 3、k入队列
|
|
|
q[++tt] = k;
|
|
|
// 4、队列维护完毕，f[i-1][k]已经进入队列,f[i][k]可以直接从队头取出区间最大值更新自己
|
|
|
f[i][k] = f[i - 1][q[hh]] + (k - q[hh]) / v * w;
|
|
|
}
|
|
|
}
|
|
|
}
|
|
|
printf("%d\n", f[n][m]);
|
|
|
return 0;
|
|
|
}
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
#### 一维版本
|
|
|
```cpp {.line-numbers}
|
|
|
#include <bits/stdc++.h>
|
|
|
|
|
|
using namespace std;
|
|
|
|
|
|
const int N = 1010, M = 20010;
|
|
|
|
|
|
int n, m;
|
|
|
int f[M], g[M];
|
|
|
int q[M];
|
|
|
int v, w, s;
|
|
|
// 一维写法
|
|
|
int main() {
|
|
|
cin >> n >> m;
|
|
|
for (int i = 1; i <= n; i++) {
|
|
|
memcpy(g, f, sizeof g);
|
|
|
cin >> v >> w >> s;
|
|
|
for (int j = 0; j < v; j++) {
|
|
|
int hh = 0, tt = -1;
|
|
|
for (int k = j; k <= m; k += v) {
|
|
|
if (hh <= tt && q[hh] < k - s * v) hh++;
|
|
|
while (hh <= tt && g[k] >= g[q[tt]] + (k - q[tt]) / v * w) tt--;
|
|
|
q[++tt] = k;
|
|
|
|
|
|
f[k] = max(g[k], g[q[hh]] + (k - q[hh]) / v * w);
|
|
|
}
|
|
|
}
|
|
|
}
|
|
|
printf("%d\n", f[m]);
|
|
|
return 0;
|
|
|
}
|
|
|
```
|
|
|
|
|
|
### 七、疑问与解答
|
|
|
|
|
|
#### $Q_1$:单调队列中装的是什么？
|
|
|
$A$:是体积，是$f[i][j]$可以从哪些 **体积** 转移而来。比如当前$i$物品的体积是$v_i=2$,个数是$3$，那么$f[i][j]$可以从
|
|
|
$$
|
|
|
\large \left\{\begin{array}{l}
|
|
|
f[i-1][j-v_i*0]+0*w_i& 选择0个 \\
|
|
|
f[i-1][j-v_i*1]+1*w_i& 选择1个\\
|
|
|
f[i-1][j-v_i*2]+2*w_i& 选择2个 \\
|
|
|
f[i-1][j-v_i*3]+3*w_i& 选择3个
|
|
|
\end{array}\right.
|
|
|
$$
|
|
|
转移而来，也就是$(j-v_i*0,j-v_i*1,j-v_i*2,j-v_i*3)$这四个中的一个。
|
|
|
|
|
|
当然，还需要判断一下是不是你的背包能装下那么多，一旦装不下了就别硬装了。
|
|
|
|
|
|
#### $Q_2$:只记录体积怎么计算最大价值？
|
|
|
$A$:只记录了所关联的体积，最大价值是现算:
|
|
|
$$\large f[i][k] = f[i - 1][q[hh]] + (k - q[hh]) / v * w$$
|
|
|
|
|
|
即，自己的最优解，可以通过前序当中 **最大值** 所在的体积`q[hh]`转移而来，增量价值是 $\large \displaystyle (k - q[hh]) / v * w$
|
|
|
|
|
|
#### $Q_3$:单调队列的使用场景在哪里？
|
|
|
$A$:使用单调队列的 **唯一场景** 就是 **离我在$S$的范围内，最大或最小值是多少**?
|
|
|
它的任务是做到$O(1)$的时间复杂度进行快速查询结果，所以，只能是放在队首，不能再进行遍历或者二分，那样就不是$O(1)$了。
|
|
|
|
|
|
#### $Q_4$:单调队列是怎么样做到将最优解放到队首的呢？
|
|
|
$A:$单调队列优化有三步曲，按套路做就可以完成这样的任务：
|
|
|
* 将已经超过 **窗口范围** 的旧数据从单调队列中去掉，保证窗口中只有最近的、最多$s$个(或$s+1$,这和具体的题意有关，后续会继续说明~)有效数据。
|
|
|
|
|
|
* 利用队首中保存的体积，我们知道最大值的前序体积$q[hh]$,从这个体积转移而来就行。
|
|
|
$$\large f[i][k] = f[i - 1][q[hh]] + (k - q[hh]) / v * w$$
|
|
|
|
|
|
* <font color='red' size=4><b>滑动窗口是建立在前序数组$f[i-1]$上的，范围只能是前面一行$f[i-1][j],f[i-1][j-v],f[i-1][j-2v],...,f[i-1][j-kv]$</b></font>
|
|
|
|
|
|
#### $Q_5:$此处的单调队列，是递增还是递减的？
|
|
|
$A:$是一个单调递减的队列,队列头存储的是窗口中的最大值所对应的体积。
|
|
|
|
|
|
#### $Q_6$:为什么要先进队列，再更新答案呢？我看有些同学是先更新答案，再进队列啊？
|
|
|
$A$:这个主要看$f[i-1][k]$是不是可以成为答案的备选项，如果是，那么就先进队列，再更新；如果不是，则先更新再进队列。以本题为例，$f[i][k]$可不可以从$f[i-1][k]$迁移而来呢？从实际含义出发，是可以的，这表示：第$i$个物品一个也不要，在空间最大是$k$的情况下，最大值如何表示？此时，当然最大值表示为$f[i-1][k]$了，即可以成为答案的备选项，需要先进队列再更新答案。
|
|
|
|
|
|
#### $Q_7$:`if (hh <= tt && q[hh] < k - s * v) hh++;`
|
|
|
不是应该是$0$~$s$个物品$i$吗，不应该是$(k-q[hh])/v>s+1$个项吗？
|
|
|
|
|
|
**答**：好问题！确实是$0$~$s$共$s+1$个，按理说单调队列长度最长应该是$s+1$,这里为什么只有$s$个长度呢？
|
|
|
|
|
|
$DP$问题都可以视为一个填表求解的过程，比如本题就是一个二维表格的填充过程：
|
|
|
$f[i][j]$：前$i$个物品中选择，在体积上限是$j$的情况下，所能获取到的最大价值。
|
|
|
从上到下，从左到右去填表，我们发现了以下的事实：
|
|
|
|
|
|
- 每一个二维表中的位置，都是可以从上一行中的某些位置转移而来的。比如：
|
|
|
|
|
|
$f[i-1][j] \rightarrow f[i][j]$
|
|
|
|
|
|
$f[i-1][j-v]+w \rightarrow f[i][j]$
|
|
|
|
|
|
$f[i-1][j-2v]+2w \rightarrow f[i][j]$
|
|
|
|
|
|
$f[i-1][j-3v]+3w \rightarrow f[i][j]$
|
|
|
|
|
|
....
|
|
|
|
|
|
$f[i-1][j-s*v]+s*w \rightarrow f[i][j]$
|
|
|
|
|
|
当然，这也不一定都对，因为要保证$j-s*v>=0$
|
|
|
|
|
|
这些数据依赖是 **跳跃性的前序依赖**，所以，我们按对体积取模的余数分组，按组讨论，就可以把二维表填充满。
|
|
|
|
|
|
- 它的前序依赖单元格个数是$s$(指最大值)个，我们需要在这些个值中找出一个$max$。这是一个距离我最近$X$个元素内找出最大值的典型问题：单调递减队列求区间最大值，队头元素即答案。
|
|
|
|
|
|
- **$Q$:为什么是单调队列呢？如何运用单调队列求解呢？**
|
|
|
就是维护一个队列，它是由大到小的顺序单调存在的。对于后面每一个加入进来的数据，因为它是最新出生的，就算是最小，当前面老家伙们死光后，它也可能成为掌门人(黄鼠狼下豆鼠子，一辈不如一辈，这种情况就是可能的~)，它必须保留！而它前面的老家伙，即使再厉害，由于年龄到了，也需要去世。没有来的及去世的老家伙们，因为能力值小于最后加入的数据，也就没有存在下去的必要，因为后面向前找，肯定先找到新出生而且能力值高的嘛，这些老家伙去世算了。
|
|
|
|
|
|
好了，我们成功的为最后加入的家伙找到了存在下去的必要性，没它可不行！！！
|
|
|
|
|
|
所以,我们视`f[i - 1][k]`为新出生的家伙，用它与之前的老家伙们$PK$,而且，它还必须要参与到单调队列中去，它不能去世！
|
|
|
> $Q$:为啥要视它为最新出生的家伙，咋不视别人呢？
|
|
|
> $A$:往前倒着看，离自己最近，谁最近？因为这里的距离其实是按体积看的，和自己一样体积的单元格，在自己的正上方，上可以转移到$f[i][j]$的吧，$f[i-1][k]$当然是最后一个啦。
|
|
|
|
|
|
如果被它占了一个名额后，就剩下$s$个位置了。
|
|
|
|
|
|
同时，我们也注意到，就是因为上面讨论到的原因，使得在执行`f[i][k] = f[i - 1][q[hh]] + (k - q[hh]) / v * w;` 之前，需要执行 `q[++tt]=k`,让新出生的家伙进入队列，凑齐`s+1`个
|
