Stamps and Envelope size UVA 242

本文探讨了如何通过暴力求解动态规划的方法解决邮票组合问题,即在给定邮票面值的情况下找出能构成的最大连续邮资。文章提供了一个详细的C++实现案例,包括输入输出、动态规划算法及比较策略。

假定一张信封最多贴5张邮票,求出最大连续邮资。

输入S(S<=10) 和若干有邮票组合(面值不超过100) , 选出连续邮资最大 一个组合。如果有多个并列,邮票组合中邮票张数应最多,如果还有并列,邮票从大到小后字典序应最小。


思路:暴力求解动态规划,遍历邮资。  对于邮票组合C, dp[i] 表示邮资i至少需要多少张来自于C的邮票才能组合起来。

推导式:dp[i] = min(dp[i-x]+1 , x∈C && x <= i );   答案为i-1;      

+1 值加上当前的一张邮票  。

注:要求连续邮资   所以邮票组合中必须有一张面值是1   ,  这样dp[1] = 1,


//UVa 242
#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;

#define inf 0x3f3f3f3f
const int MAXN = 10 + 1, MAXS = MAXN, MAXC = MAXS * 100 + 100 + 4;
int S, N, DP[MAXC];

int readint() {
	int x;
	cin >> x;
	return x;
}
struct StampSet {
	vector<int> D;
	int maxCover;
	void output() {
		for (auto e : D)
			printf("%3d",e);
	}
	//返回一个对象
	StampSet& input() {
		D.clear();
		maxCover = 0;
		//每行n个面额
		int n = readint();
		//面额值
		while (n--)
			D.push_back(readint());
		sort(D.begin(), D.end());
		return* this;
	}
	void getMaxCover() {
		int i = 0;
		fill(DP,DP+MAXN, MAXC);
		DP[i] = 0;
		while (true) {
			//i代表邮资
			i++;
			int ans = inf;
			//D已经是升序序列  单个面值不能大于要组成的邮资
			/**************************************************/
			for (int j = 0; j < D.size() && D[j] <= i; j++)
				ans = min(ans, DP[i - D[j]] + 1);
			/**************************************************/
			if (ans > S)
				break;
			else
				DP[i] = ans;
		}
		//邮资i超过S的  所以要减1
		maxCover = i - 1;
	}

	bool operator<(const StampSet& rhs) const {
		if (maxCover != rhs.maxCover)
			return maxCover > rhs.maxCover;
		if (D.size() != rhs.D.size())
			return D.size() < rhs.D.size();
		for (int i = D.size() - 1; i >= 0; i--)
			if (D[i] != rhs.D[i])
				return D[i] < rhs.D[i];
		return true;
	}
};
StampSet C[MAXN];
int main()
{
	while (cin >> S && S) {
		N = readint();
		for (int i = 0; i < N; i++)
			C[i].input().getMaxCover();
		struct StampSet* mss = min_element(C,C+N);
	//	cout << "mss类型" << typeid(mss).name() << endl;
		printf("max coverage = %3d :",mss->maxCover);
		mss->output();
		puts("");
	}
	return 0;
}


代码下载地址: https://pan.quark.cn/s/bc087ffa872a "测控电路课后习题详解"文件.pdf是一份极具价值的学术资料,其中系统地阐述了测控电路的基础理论、系统构造、核心特性及其实际应用领域。 以下是对该文献的深入解读和系统梳理:1.1测控电路在测控系统中的核心功能测控电路在测控系统的整体架构中扮演着不可或缺的角色。 它承担着对传感器输出信号进行放大、滤除杂音、提取有效信息等关键任务,并且依据测量与控制的需求,执行必要的计算、处理与变换操作,最终输出能够驱动执行机构运作的指令信号。 测控电路作为测控系统中最具可塑性的部分,具备易于放大信号、转换模式、传输数据以及适应多样化应用场景的优势。 1.2决定测控电路精确度的关键要素影响测控电路精确度的核心要素包括:(1)噪声与干扰的存在;(2)失调现象与漂移效应,尤其是温度引起的漂移;(3)线性表现与保真度水平;(4)输入输出阻抗的特性影响。 在这些要素中,噪声干扰与失调漂移(含温度效应)是最为关键的因素,需要给予高度关注。 1.3测控电路的适应性表现测控电路在测控系统中展现出高度的适应性,具体表现在:* 具备选择特定信号、灵活实施各类转换以及进行信号处理与运算的能力* 实现模数转换与数模转换功能* 在直流与交流、电压与电流信号之间进行灵活转换* 在幅值、相位、频率与脉宽信号等不同参数间进行转换* 实现量程调整功能* 对信号实施多样化的处理与运算,如计算平均值、差值、峰值、绝对值,进行求导数、积分运算等,以及实现非线性环节的线性化处理、逻辑判断等操作1.4测量电路输入信号类型对电路结构设计的影响测量电路的输入信号类型对其电路结构设计产生显著影响。 依据传感器的类型差异,输入信号的形态也呈现多样性。 主要可分为...
(IHAOAVOABPvsAOBPvsAVOABPvsPSOBP)非洲秃鹫融合天鹰优化BP天鹰优化BP非州秃鹫BP粒子群(Matlab代码实现)内容概要:本文档主要围绕多种智能优化算法在不同工程领域的应用展开,重点介绍了非洲秃鹫优化算法(AVOA)、天鹰优化算法(AO)与BP神经网络的融合改进,并与其他经典算法如粒子群优化(PSO)进行对比分析。所有案例均提供Matlab代码实现,涵盖电力系统优化、路径规划、微电网调度、无人机控制、信号处理等多个方向,强调算法的科研复现能力与实际仿真价值。文档还展示了丰富的技术服务体系,涉及机器学习、深度学习、路径规划、通信与电力系统等多个前沿领域。; 适合人群:具备一定Matlab编程基础,从事科研工作或工程仿真的研究生、高校教师及企业研发人员,尤其适用于从事智能优化算法研究与应用的相关技术人员。; 使用场景及目标:①用于学术论文复现,特别是SCI/EI期刊中关于优化算法的实验部分;②为电力系统、无人机、储能调度等领域提供算法仿真技术支持;③帮助研究人员快速掌握多种智能算法的实现方法并进行性能对比。; 阅读建议:建议结合文档提供的网盘资源下载完整代码,按照目录顺序逐步学习,重点关注算法原理与Matlab实现的结合方式,同时可将文中案例作为自身课题的参考模板进行二次开发与创新。
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