洛谷P1156 垃圾陷阱

可以先把dp状态设出来 再考虑其代表了什么 若一个状态不大好做 就改变设计的状态 改变其代表的东西
设fij表示第i件生命为j时的最大高度么?
难写,难以确定生命上界
不如变换一下,本来状态这个东西就是自由地设出来的
dp i j 表示第i个物品血量为j/高度为j 时的 最大高度/最大血量
发现最大血量不好做 可以写最大高度 这样也方便判断是否满足血量条件

这题的暴力我打错了好多次。。。

暴力代码如下(再往下一片代码是dp代码)

#include <algorithm>
#include <iostream>
#include <cstring>
#include <cstdio>
using namespace std;
#define debug(x) cerr << #x << "=" << x << endl;
const int MAXN = 200000 + 10;
const int INF = 1<<30;
int n,m,tot,wmax,f[3002],maxh,stam,t,s,temp[3002],lf,nowh,mint = 1<<30,d,g,maxt;
bool flg = false;
typedef long long ll;
struct rubbish{
    int t,h,f;
}rub[MAXN];
void dfs(int x) {
    if(x == g+1) {
        return;
    }
    if(lf < rub[x].t) return;
    lf += rub[x].f;
    maxt = max(maxt, lf);
    dfs(x+1);
    lf -= rub[x].f;
    nowh += rub[x].h;
    if(nowh >= d) {
        mint = min(mint, rub[x].t);
        flg = true;
    }
    dfs(x+1);
    nowh -= rub[x].h;

}
bool cmp(rubbish a, rubbish b) {
    return a.t < b.t;
}
int main() {
    cin >> d >> g;
    for(int i=1; i<=g; i++) {
        cin >> rub[i].t >> rub[i].f >> rub[i].h;
    }
    sort(rub+1,rub+g+1,cmp);
    lf = 10;
    maxt = 10;
    dfs(1);
    if(flg) {
        cout << mint;
    } else {
        cout << maxt;
    }
    return 0;
}

第一个错误是关于牛存活时间的问题。。本来该理解为牛可以活到时间轴的某一刻 但是我写成了牛身体内的能量有多少多少,然后由上一个扔垃圾的时间点到下一个要耗费多少能量。。。麻烦,而且还要特判边界
由于要由相邻两个之差算时间 我索性把递归边界设为n了 结果又出问题了 我递归边界设为n 相当于没有考虑第n个的决策
打暴力之前 先模拟一下样例 抽象出题意 多想想等价问题 如果算法要涉及到麻烦的边界处理 就想想根据题意是否还有更简单的做法 等价转换一下
模拟一下样例 一定在纸上画一画时间轴 画一画这个过程 ,明确一个清晰的算法再打 别搞错递归边界 边界一定是g+1(有g个 边界到g再特判相当于没有考虑第g个的决策)

dp代码:

#include <algorithm>
#include <iostream>
#include <cstring>
#include <cstdio>
using namespace std;
#define debug(x) cerr << #x << "=" << x << endl;
const int MAXN = 200000 + 10;
const int INF = 1<<30;
int n,m,tot,wmax,dp[3002][3002],maxh,stam,t,s,temp[3002],lf,nowh,mint = 1<<30,d,g,maxt;
bool flg = false;
typedef long long ll;
struct rubbish{
    int t,h,f;
}rub[MAXN];
void dfs(int x) {
    if(x == g+1) {
        return;
    }
    if(lf < rub[x].t) return;
    lf += rub[x].f;
    maxt = max(maxt, lf);
    dfs(x+1);
    lf -= rub[x].f;
    nowh += rub[x].h;
    if(nowh >= d) {
        mint = min(mint, rub[x].t);
        flg = true;
    }
    dfs(x+1);
    nowh -= rub[x].h;

}
bool cmp(rubbish a, rubbish b) {
    return a.t < b.t;
}
int main() {
    cin >> d >> g;
    for(int i=1; i<=g; i++) {
        cin >> rub[i].t >> rub[i].f >> rub[i].h;
    }
    sort(rub+1,rub+g+1,cmp);
    dp[0][0] = 10;
    for(int i=1; i<=g; i++) {
        for(int dd=0; dd<=2*d; dd++) {
            if(dp[i-1][dd] >= rub[i].t) {
                dp[i][dd] = max(dp[i][dd], dp[i-1][dd] + rub[i].f);
            }
            if(dp[i-1][dd-rub[i].h] >= rub[i].t)
                dp[i][dd] = max(dp[i][dd], dp[i-1][dd-rub[i].h]);
        }
    }
    for(int i=1; i<=g; i++) {
        for(int dd=0; dd<=2*d; dd++) {
            if(dp[i][dd] >= rub[i].t) {
                if(dd >= d) {
                    mint = min(mint, rub[i].t);
                    flg = true;
                }
            }
            maxt = max(maxt, dp[i][dd]);
        }
    }
    if(flg) {
        cout << mint;
    } else {
        cout << maxt;
    }
    return 0;
}
### 关于动态规划 (Dynamic Programming, DP) 的解决方案 在解决洛谷平台上的编程问题时,尤其是涉及动态规划的题目,可以采用以下方法来构建解决方案: #### 动态规划的核心思想 动态规划是一种通过把原问题分解为相对简单的子问题的方式来求解复杂问题的方法。其核心在于存储重复计算的结果以减少冗余运算。通常情况下,动态规划适用于具有重叠子问题和最优子结构性质的问题。 对于动态规划问题,常见的思路包括定义状态、转移方程以及边界条件的设计[^1]。 --- #### 题目分析与实现案例 ##### **P1421 小玉买文具** 此题是一个典型的简单模拟问题,可以通过循环结构轻松完成。以下是该问题的一个可能实现方式: ```cpp #include <iostream> using namespace std; int main() { int n; cin >> n; // 输入购买数量n double p, m, c; cin >> p >> m >> c; // 输入单价p,总金额m,优惠券c // 计算总价并判断是否满足条件 if ((double)n * p <= m && (double)(n - 1) * p >= c) { cout << "Yes"; } else { cout << "No"; } return 0; } ``` 上述代码实现了基本逻辑:先读取输入数据,再根据给定约束条件进行验证,并输出最终结果[^2]。 --- ##### **UOJ104 序列分割** 这是一道经典的区间动态规划问题。我们需要设计一个二维数组 `f[i][j]` 表示前 i 次操作后得到的最大价值,其中 j 是最后一次切割的位置。具体实现如下所示: ```cpp #include <bits/stdc++.h> using namespace std; const int MAXN = 5e3 + 5; long long f[MAXN], sumv[MAXN]; int a[MAXN]; int main(){ ios::sync_with_stdio(false); cin.tie(0); int n,k; cin>>n>>k; for(int i=1;i<=n;i++)cin>>a[i]; for(int i=1;i<=n;i++)sumv[i]=sumv[i-1]+a[i]; memset(f,-0x3f,sizeof(f)); f[0]=0; for(int t=1;t<=k;t++){ vector<long long> g(n+1,LLONG_MIN); for(int l=t;l<=n;l++)g[l]=max(g[l-1],f[t-1][l-1]); for(int r=t;r<=n;r++)f[r]=max(f[r],g[r]+sumv[r]*t); } cout<<f[n]<<'\n'; return 0; } ``` 这段程序利用了滚动数组优化空间复杂度,同时保持时间效率不变[^3]。 --- ##### **其他常见问题** 针对更复杂的路径覆盖类问题(如 PXXXX),我们往往需要结合一维或多维动态规划模型加以处理。例如,在某些场景下,我们可以设定 dp 数组记录到达某一点所需最小代价或者最大收益等指标[^4]。 --- ### 总结 以上展示了如何运用动态规划技巧去应对不同类型的算法挑战。无论是基础还是高级应用场合,合理选取合适的数据结构配合清晰的状态转换关系都是成功解决问题的关键所在。
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