采药

前言

这是一道动态规划的经典问题,被称为0-1背包问题。

例题

1775:采药
总时间限制: 1000ms 内存限制: 65536kB
描述
辰辰是个很有潜能、天资聪颖的孩子,他的梦想是称为世界上最伟大的医师。为此,他想拜附近最有威望的医师为师。医师为了判断他的资质,给他出了一个难题。医师把他带到个到处都是草药的山洞里对他说:“孩子,这个山洞里有一些不同的草药,采每一株都需要一些时间,每一株也有它自身的价值。我会给你一段时间,在这段时间里,你可以采到一些草药。如果你是一个聪明的孩子,你应该可以让采到的草药的总价值最大。”

如果你是辰辰,你能完成这个任务吗?
输入
输入的第一行有两个整数T(1 <= T <= 1000)和M(1 <= M <= 100),T代表总共能够用来采药的时间,M代表山洞里的草药的数目。接下来的M行每行包括两个在1到100之间(包括1和100)的的整数,分别表示采摘某株草药的时间和这株草药的价值。
输出
输出只包括一行,这一行只包含一个整数,表示在规定的时间内,可以采到的草药的最大总价值。
样例输入
70 3
71 100
69 1
1 2
样例输出
3
来源
NOIP 2005

分析

在0-1背包问题中,每种物品只有选和不选两种操作,所以我们用二维数组a来记录时间为x时价值y的最大值。

首先,定义数组p存放价值,t存放时间。

int a[105][1005],t[105],p[105];

核心部分是这一段。

for(i=1;i<=m;i++)
    {
        for(j=1;j<=te;j++)
        {
            if(j-t[i]>=0)//有超出最大时间的情况,所以用一个if语句来判断
                a[i][j]=max(a[i-1][j],(a[i-1][j-t[i]]+p[i]));
                //在不选这种物品于选这种物品的情况中找最大值
            else
                a[i][j]=a[i-1][j];//不选这种物品
        }
    }

所以a[类数][时间]就是答案。

完整代码

#include<bits/stdc++.h>
using namespace std;
int a[105][1005],t[105],p[105],te;
int main()
{
    int m,i,j;
    cin>>te>>m;
    for(i=1;i<=m;i++)
        cin>>t[i]>>p[i];
    for(i=1;i<=m;i++)
    {
        for(j=1;j<=te;j++)
        {
            if(j-t[i]>=0)
                a[i][j]=max(a[i-1][j],(a[i-1][j-t[i]]+p[i]));
            else
                a[i][j]=a[i-1][j];
        }
    }
    cout<<a[m][te]<<endl;
    return 0;
}

顺便说说

最近有一种奇怪的感觉,能写动态规划就不太愿意写搜索了,Panda_Hu表示同感。

转载于:https://www.cnblogs.com/SteinGate/p/9337456.html

### 采药背包问题算法实现 #### 状态定义 在处理采药背包问题时,状态通常被定义为 `dp[i][j]` 表示前 `i` 种草药,在总重量不超过 `j` 的情况下可以获得的最大价值。这里 `i` 是草药品种索引,`j` 则表示当前考虑的背包容积。 为了简化空间复杂度,可以采用一维数组来代替二维数组进行迭代更新[^1]。 #### 初始化 初始化阶段设置当没有任何草药可选时的状态,即 `dp[j]=0` 对于所有的 `j∈[0,C]` 成立;其中 `C` 代表背包的最大承重能力。 #### 状态转移方程 对于每一个新的草药种类 `i` 和其对应的体积 `c_i` 及价值 `w_i` ,遍历可能放入背包内的剩余容量 `j` (从大到小),并计算是否应该加入该草药: \[ dp[j] = max(dp[j], dp[j-c_i]+w_i)\] 此过程确保每次只针对新增加的一种草药做决策,并且通过逆序访问保证同一轮内不会重复利用已选取过的草药实例[^4]。 #### Python代码实现 下面给出基于上述分析的一个简单Python版本实现: ```python def knapsack(weights, values, capacity): n = len(values) # 创建一个长度为capacity+1的一维列表用于存储子问题的结果 dp = [0]*(capacity + 1) for i in range(n): # 遍历所有物品 for j in range(capacity, weights[i]-1, -1): dp[j] = max(dp[j], dp[j-weights[i]] + values[i]) return dp[-1] if __name__ == "__main__": # 测试样例数据输入 weight_list = [2, 3, 4, 5] value_list = [3, 4, 5, 8] bag_capacity = 5 result = knapsack(weight_list, value_list, bag_capacity) print(f"The maximum total value is {result}") ``` 这段程序实现了经典的01背包问题解决方案,适用于描述中的采药场景,其中每个位置只能放置一次特定类型的草药。
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