极速建站系统金华网站建设
目录
- 1. 前置文章
- 2. 题目
- 3. 小结
1. 前置文章
本文前置文章：
- 【动态规划】详解 0-1背包问题
- 【动态规划】详解完全背包问题
- 【动态规划】详解分组背包问题
- 【动态规划】详解多重背包问题
下面是三种背包模式的区别：
0 - 1 背包是说：有 n 个物品和一个重量为 t 的背包，这 n 个物品中第 i 个物品的重量为 w[i]，价值为 v[i]，那么这个背包能装下的物品最大价值是多少，注意一个物品只能选一次。完全背包是说：有 n 个物品和一个重量为 t 的背包，这 n 个物品中第 i 个物品的重量为 w[i]，价值为 v[i]，那么这个背包能装下的物品最大价值是多少，注意一个物品可以选无数次。分组背包是说：有 n 组物品和一个重量为 t 的背包，每个物品都有自己的体积，价值和组号，代表这个物品属于哪一组，要求在不超过背包容量的前提下，从每组物品中最多选择一个物品，使得背包中物品的总价值最大。多重背包是说：有 n 个物品和一个重量为 t 的背包，这 n 个物品中第 i 个物品的重量为 w[i]，价值为 v[i]，数量为 c[i]，那么这个背包能装下的物品最大价值是多少，注意一个物品可以选择的次数限制为 c[i]。
2. 题目
因为混合背包其实就是一道题中包括了 0-1 背包，完全背包，多重背包，这里直接看一道题：
- coins
这道题目意思是：题目输入 n, m，并且给出了这 n 个硬币的价值和个数，问通过这些硬币能够构成 [1，m] 这个价值范围里面的哪些价值。
举个例子：假设 m = 5，现在给了两种硬币，硬币1 价值 1 个数2，硬币2 价值 4 个数 1，问 [1，5] 这个范围里面有多少个价值能够被这些硬币凑出来。
- 首先 1 肯定是可以的，因为价值为1 的硬币有 2 个
- 同理 2 也是可以的
- 3 不可以，因为硬币1 和 硬币2 凑不出来价值 3
- 4 可以，只需要一个硬币2 就行了
- 5 也可以，只需要一个硬币2 和一个硬币 1
所以最终答案就是 5。
这道题就是混合背包的题目了，同样外层遍历物品，内层遍历背包。
- 当
物品个数为 1，就是 0-1 背包了。 - 当
物品个数 * 价值 > m，就说明此时这些物品总价值已经超过了上限 m，是完全背包模板。 - 当
物品个数 * 价值 <= m，就按多重背包来算。
import java.util.Arrays;
import java.util.Scanner;public class Main {public static int MAXN = 101;public static int MAXM = 100001;public static int[] v = new int[MAXN];public static int[] c = new int[MAXN];public static boolean[] dp = new boolean[MAXM];public static int n, m = 0;public static void main(String[] args) {Scanner scan = new Scanner(System.in);while (scan.hasNext()) {n = scan.nextInt();m = scan.nextInt();if (n != 0 || m != 0) {for (int i = 1; i <= n; i++) {v[i] = scan.nextInt();}for (int i = 1; i <= n; i++) {c[i] = scan.nextInt();}}System.out.println(compute());}}/*** 有 n 个硬币, 给了出 n 个硬币的价值和个数, 价值相当于重量了* 再给一个数字 m，求 [1, m] 这个区间内有多少是能够被这些硬币拼凑出来** @return*/public static int compute() {// 每次求之前都初始化一下Arrays.fill(dp, false);dp[0] = true;for (int i = 1; i <= n; i++) {if (c[i] == 1) {// 物品只有一个，01 背包for (int j = m; j >= v[i]; j--) {if (dp[j - v[i]]) {dp[j] = true;}}} else if (v[i] * c[i] > m) {// 完全背包for (int j = v[i]; j <= m; j++) {if (dp[j - v[i]]) {dp[j] = true;}}} else {// 多重背包: v[i] * c[i] < m// 因为这里我们需要标记 dp 里面 1~m 哪个是 true，所以单调队列就用一个变量表示 true 的个数就行了for (int mod = 0; mod <= Math.min(m, v[i] - 1); mod++) {int trueCount = 0;int count = 1;for (int j = m - mod; j >= 0 && count <= c[i]; j -= v[i], count++) {trueCount += dp[j] ? 1 : 0;}for (int j = m - mod, last = j - c[i] * v[i]; j >= 0; j -= v[i], last -= v[i]) {if (last >= 0) {trueCount += dp[last] ? 1 : 0;}if (dp[j]) {// 如果已经是 true 了，那么相当于直接删除单调队列里面的过期元素trueCount--;} else {if(trueCount > 0){dp[j] = true;}}}}}}int ans = 0;for (int i = 1; i < dp.length; i++) {if (dp[i]) {ans++;}}return ans;}}
上面计算多重背包的时候用了 trueCount 代替单调队列，因为我们不需要记录最大值，只需要记录当前 dp[j] 能不能变成 true，只要依赖的几个有一个为 true 那么 dp[j] 就能变成 true。
当然如果 dp[j] 已经是 true 了，那么 j 继续往前遍历，这种情况下 j 下标的值就过期了，所以需要 trueCount--。
3. 小结
这道题就是混合背包，里面涉及到了 0-1 背包，完全背包，多重背包的流程，还是一样，参考视频：算法讲解075【必备】背包dp-多重背包、混合背包。
如有错误，欢迎指出！！！