PAT1 1048 Find Coins

本文介绍了一种解决特定硬币组合问题的算法,目标是从给定的硬币集合中找出能够组合成指定金额的两枚硬币,且这两枚硬币之间的差值最大。通过排序和数组操作,该算法能够在O(N log N)的时间复杂度内解决问题。

题目链接
我的github

题目大意

N N N个硬币,问能否从这个 N N N个硬币中只用两个凑出 M M M

输入

每组包含一个测试用例
第一行是两个正数 N ≤ 1 0 5 N\leq10^5 N105表示硬币总数, M ≤ 1 0 3 M\leq10^3 M103表示要凑的数
第二行是 N N N个正数,表示 N N N个硬币的值(不超过500)

输出

对每个样例,输出能凑出 M M M,且两个硬币之差最大的那组,且小硬币排在大硬币之前。如果不能凑出就输出No Solution

样例输入

8 15
1 2 8 7 2 4 11 15

7 14
1 8 7 2 4 11 15

样例输出

4 11

No Solution

解析

因为题目中说了硬币值的范围,所以直接开个那么大的数组表示每种值的硬币的数量,对硬币排序后,每次查询即可。
但是这题非常坑的一点是题中说硬币的值不超过500,如果数组只开到500会有返回非0的错误,看了其他人的解法才知道,这个硬币的值会超过500,具体是多少不知道,但是开到1000就可以AC

# -*- coding: utf-8 -*- 
# @Time : 2019/6/7 17:22 
# @Author : ValarMorghulis 
# @File : 1048.py
def solve():
    n, m = map(int, input().split())
    money = [0 for i in range(1000)]
    a = list(map(int, input().split()))
    a = sorted(a, key=lambda x: x)
    for i in range(n):
        money[a[i]] += 1
    flag = False
    for i in range(n):
        if a[i] != m - a[i]:
            if money[m - a[i]]:
                print("%d %d" % (min(a[i], m - a[i]), max(a[i], m - a[i])))
                flag = True
                break
        elif money[a[i]] >= 2:
            print("%d %d" % (a[i], a[i]))
            flag = True
            break
    if not flag:
        print("No Solution")


if __name__ == "__main__":
    solve()

### 关于分割硬币的公平分配算法 在计算机科学和数学领域,分割硬币的问题通常可以被建模为一种优化问题或动态规划问题。目标通常是找到一种方式来最小化两个集合之间的差异或者最大化某种公平性标准。 #### 动态规划解决方案 对于分割硬币使其尽可能均匀分布的情况,可以采用动态规划的方法解决此问题。假设我们有一组硬币 `coins` 和它们的价值分别为 `[c1, c2, ..., cn]`,我们需要将其分成两部分使得这两部分价值之差最小[^2]。 以下是基于动态规划的一个实现方案: ```python def min_difference_partition(coins): total_sum = sum(coins) n = len(coins) dp = [[False]*(total_sum//2 + 1) for _ in range(n+1)] # Initialize DP table for i in range(n+1): dp[i][0] = True for i in range(1, n+1): for j in range(1, total_sum//2 + 1): if coins[i-1] <= j: dp[i][j] = dp[i-1][j] or dp[i-1][j-coins[i-1]] else: dp[i][j] = dp[i-1][j] # Find the largest value that can be achieved less than half of total sum for j in range(total_sum//2, -1, -1): if dp[n][j]: return abs((total_sum - j) - j) ``` 该函数通过构建一个二维布尔数组 `dp` 来记录子集总和的可能性,并最终返回能够达到的最大接近一半总和的值,从而计算出两者间的最小差距[^3]。 #### 贪婪算法近似解法 如果追求更高效的解决方案而允许一定的误差范围,则可以考虑贪婪策略。这种方法并不总是能找到最优解,但在某些情况下表现良好。基本思路是从最大面额开始依次选取直到无法再选为止[^4]。 ```python def greedy_divide_coins(coins): coins.sort(reverse=True) group_a = [] group_b = [] for coin in coins: if sum(group_a) < sum(group_b): group_a.append(coin) else: group_b.append(coin) return (group_a, group_b), abs(sum(group_a)-sum(group_b)) ``` 尽管如此,在实际应用中需注意验证其适用性和局限性。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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