称砝码

题目描述
现有一组砝码,重量互不相等,分别为m1,m2,m3…mn; 每种砝码对应的数量为x1,x2,x3...xn。现在要用这些砝码去称物体的重量,问能称出多少中不同的重量。
注:
称重重量包括0
方法原型: public   static   int  fama( int  n,  int [] weight,  int [] nums)
输入描述:
输入包含多组测试数据。
对于每组测试数据:
第一行:n --- 砝码数(范围[1,10])
第二行:m1 m2 m3 ... mn --- 每个砝码的重量(范围[1,2000])
第三行:x1 x2 x3 .... xn --- 每个砝码的数量(范围[1,6])
输出描述:
利用给定的砝码可以称出的不同的重量数
示例1
输入
2
1 2
2 1
输出


5

package Ray;

import java.util.*;

public class Farmar {
  
    public static void main(String[] args) {
        Scanner in = new Scanner(System.in);
        while (in.hasNextLine()){
            int n = in.nextInt(); // n 种砝码
            int weights[] = new int[n];
            int nums[] = new int[n];
           for(int i = 0;i<n;i++){
        	   weights[i] = in.nextInt();
           }
           for(int i = 0;i<n;i++){
        	   nums[i] = in.nextInt();
           }
            System.out.println(getNums(n, weights, nums));
        }
        in.close();
    }
  
    private static int getNums(int n, int weight[], int nums[]) {
       
        int[] m = new int[n];
        int[] x = new int[n];
        int sum = 0; // 总的重量
        for (int i = 0; i < n; i++) {
            m[i] = weight[i]; // 每种砝码的重量
            x[i] = nums[i]; // 每种砝码的数量
            sum += x[i] * m[i];
        }
        boolean[] temp = new boolean[sum+1];
        temp[0] = true;
        temp[sum] = true;
        for (int i = 0; i < n; i++) {
            for (int j = 0; j < x[i]; j++) {
                for (int k = sum; k >= m[i]; k--) {
                    if (temp[k - m[i]])
                        temp[k] = true;
                }
            }
        }
        int count = 0;
        for (int i = 0; i <= sum; i++) {
            if (temp[i])
                count++;
        }
        return count;
    }
}


### 动态规划解决砝码问题 #### 问题分析 该问题的核心在于计算通过给定的不同重量的砝码及其对应数量,能够组成多少种不同的总重量。这是一个典型的 **背包问题变体**,可以通过动态规划 (Dynamic Programming, DP) 来高效求解。 在本问题中,我们需要考虑以下几点: 1. 每种砝码有固定的重量 `mi` 和数量 `xi`。 2. 我们的目标是从这些砝码中选取若干个,使得它们的总重量尽可能覆盖更多的可能性。 3. 使用动态规划的思来记录并扩展可达到的重量集合。 --- #### 解题思路 动态规划的关键是定义状态转移方程以及初始化条件: 1. 定义一个布尔数组 `dp[w]` 表示是否可以构成重量 `w`。 - 初始状态下,只有 `dp[0] = true`,因为没有任何砝码的情况下,唯一能组成的重量就是零。 2. 遍历每一种砝码 `(mi, xi)`,将其加入当前已知的状态集合中。 - 对于每种砝码,尝试将它加到之前已经可达的所有重量上,最多加上它的最大可用次数 `xi`。 3. 更新后的 `dp[]` 数组会表示所有可能达成的重量组合。 最终的结果即为 `dp[]` 中标记为 `true` 的索引数目减一(去掉初始的零重量情况)。 --- #### 算法实现 以下是基于上述思路的具体代码实现: ```python def count_weights(n, weights, counts): max_weight = sum(w * c for w, c in zip(weights, counts)) # 计算理论上最大的可能重量 dp = [False] * (max_weight + 1) # 初始化 dp 数组,默认不可达任何重量 dp[0] = True # 起始状态:重量为 0 是可达的 for i in range(n): # 遍历每种砝码 mi = weights[i] xi = counts[i] temp_dp = dp[:] # 创建临时副本用于更新 for j in range(mi, max_weight + 1): # 尝试增加当前砝码至已有重量 if dp[j - mi]: k = 1 while k <= xi and j + k * mi <= max_weight: temp_dp[j + k * mi] = True k += 1 dp = temp_dp # 更新全局 dp 数组 result = sum(dp) - 1 # 统计除零外的有效重量种类数 return result # 输入样例 if __name__ == "__main__": n = int(input()) # 砝码种类数 weights = list(map(int, input().split())) # 各类砝码的重量 counts = list(map(int, input().split())) # 各类砝码的数量 print(count_weights(n, weights, counts)) ``` --- #### 复杂度分析 - 时间复杂度: 假设共有 `n` 种砝码,理论上的最大重量为 `W`,则时间复杂度大约为 \(O(n \cdot W)\)[^1]。 - 空间复杂度: 主要由 `dp` 数组决定,空间复杂度为 \(O(W)\)[^2]。 这种算法适合处理中小规模的数据集,在题目限定范围内表现良好。 --- #### 注意事项 1. 如果某些情况下存在重复权重的可能性,则需要额外验证是否存在冗余项[^3]。 2. 当输入数据较大时,应优化内存占用或者采用其他更高效的策略[^4]。 --- ###
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