638. 大礼包

文章描述了一种使用经典记忆化搜索策略的优化算法,用于计算在给定商品价格和特殊优惠条件下,满足需求所需的最小花费。该算法通过递归和动态规划减少重复计算,提高购物优惠问题的求解效率。

 经典记忆化搜索

class Solution {
public:
    map<vector<int>, int> memo;
    vector<vector<int>> special;
    vector<int> price;
    int n;
    int dfs(vector<int> need) {
        if (memo.count(need)) return memo[need];
        int minprice = 0;
        for (int i = 0; i < n; i++) {
            minprice += price[i] * need[i];
        }
        for (auto &sp : special) {
            vector<int> nextneed;
            for (int i = 0; i < n; i++) {
                if (sp[i] > need[i]) break;
                nextneed.emplace_back(need[i] - sp[i]);
            }
            if (nextneed.size() == n) {
                minprice = min(minprice, dfs(nextneed) + sp[n]);
            }
        }
        return memo[need] = minprice;
    }
    int shoppingOffers(vector<int>& price, vector<vector<int>>& special, vector<int>& needs) {
        n = price.size();
        this->price = price;
        for (auto &sp : special) {
            int cnt = 0, p = 0;
            for (int i = 0; i < n; i++) {
                cnt += sp[i];
                p += sp[i] * price[i];
            }
            if (cnt > 0 and p > sp[n]) this->special.emplace_back(sp);
        }
        return dfs(needs);
    }
};

638大礼包问题是一个典型的动态规划问题,该问题通过记忆化搜索和状态空间的优化,有效地解决了大礼包的组合问题。结合动态规划思想,通过合理的状态转移和递归的方式,能在较大的输入规模下得到正确的最小费用,避免了暴力穷举的低效操作,是解决此类组合优化问题的一种非常有效的方式[^2]。 以一个样例进行说明,现有3个商品,价格分别为¥2、¥3、¥4,需求量分别是6、4、5。礼包A包含3个商品的数量是1、2、3,价格¥16;礼包B包含3个商品的数量是3、1、2,价格¥14;礼包C包含3个商品的数量是4、5、6,价格¥30 [^1]。 以下是动态规划解决该问题的大致思路: 1. **状态定义**:定义一个状态来表示当前各种商品的剩余需求量,如使用一个多元组来表示。 2. **状态转移**:对于每个状态,考虑两种情况,一是不使用礼包,直接按单价购买剩余商品;二是尝试使用每个礼包,更新剩余需求量进入下一个状态。 3. **记忆化搜索**:使用一个数据结构(如字典)来记录已经计算过的状态,避免重复计算。 伪代码示例如下: ```python # 商品单价 prices = [2, 3, 4] # 商品需求量 needs = [6, 4, 5] # 礼包信息,每个礼包是一个列表,最后一个元素是礼包价格 special = [[1, 2, 3, 16], [3, 1, 2, 14], [4, 5, 6, 30]] # 记忆化字典 memo = {} def shoppingOffers(prices, special, needs): if tuple(needs) in memo: return memo[tuple(needs)] # 不使用礼包的费用 min_cost = sum([prices[i] * needs[i] for i in range(len(needs))]) # 尝试使用每个礼包 for offer in special: new_needs = needs[:] can_use = True for i in range(len(needs)): if new_needs[i] < offer[i]: can_use = False break new_needs[i] -= offer[i] if can_use: # 使用礼包后的费用 cost = offer[-1] + shoppingOffers(prices, special, new_needs) min_cost = min(min_cost, cost) memo[tuple(needs)] = min_cost return min_cost result = shoppingOffers(prices, special, needs) print(result) ```
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

打赏作者

云儿乱飘

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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