P4141-消失之物题解

Table of Contents

  1. 题目描述:
  2. 题目简化:
  3. 解法一:朴素01背包 80pts
  4. 解法二:补集辅助数组 100pts
  5. 关于这篇题解:

题目描述:

## 题目描述

ftiasch 有 \(n\) 个物品, 体积分别是 \(w_1,w_2,\dots,w_n\)。由于她的疏忽,第 \(i\) 个物品丢失了。

“要使用剩下的 \(n-1\) 物品装满容积为 \(x\) 的背包,有几种方法呢?”——这是经典的问题了。

她把答案记为 \(\text{cnt}(i,x)\) ,想要得到所有\(i \in [1,n]\), \(x \in [1,m]\)\(\text{cnt}(i,x)\) 表格。

!

## 输入格式

第一行两个整数 \(n,m\),表示物品的数量和最大的容积。
第二行 \(n\) 个整数 \(w_1,w_2,\dots,w_n\),表示每个物品的体积。

## 输出格式

输出一个 \(n \times m\) 的矩阵,表示 \(\text{cnt}(i,x)\) 的**末位数字**。

## 输入输出样例 #1

### 输入 #1

```
3 2
1 1 2
```

### 输出 #1

```
11
11
21
```

## 说明/提示

【数据范围】
对于 \(100\%\) 的数据,\(1\le n,m \le 2000\),且 \(1\le w_i\le 2000\)

【样例解释】
如果物品 3 丢失的话,只有一种方法装满容量是 2 的背包,即选择物品 1 和物品 2。

\(\text{upd 2023.8.11}\):新增加五组 Hack 数据。

题目简化:

给定n个物品和容量为m的背包,此时我们令物品 \(i \in [1,n]\) 不可选,令背包容量 \(v \in m\) 逐渐增加,输出去除每种物品后对于正好填满每种背包大小的方案数的个位;

解法一:朴素01背包 80pts

这道题最朴素的做法是 \(O(n^2 \times m)\) 的,我们每次更改不可用的物品 \(i\) 时,都重新进行一次dp数组计算,而每次dp的计算都是 \(O(n \times m)\) 的,所以总体时间复杂度 \(O(n^2 \times m)\)
没什么好解释的,这里不给代码了;

解法二:补集辅助数组 100pts

我们注意到: \(O(n^2 \times m)\) 的时间复杂度明显不可接受,那么唯一可能的复杂度是 \(O(n \times m)\) 的,也就是说,我们对于去除一个元素的这个操作,需要 \(O(1)\) 完成;
因此我们需要设计出如何通过dp数组直接求出去除一个物品的答案,这里我们根据补集的思想进行设计:

不难发现: 总方案数 = 选i的方案数 + 不选i的方案数 ;
我们最终要求出的就是不选i的方案数,所以我们要做的就是以 \(O(1)\) 的复杂度求出不选i的方案数;

我自己做这道题的时候做了2小时,想出来了解法:
我们维护一个数组 \(f_v\) ,定义为容量为v时不选i的方案数,那么 \(f\) 怎么计算呢;
显然有 \(f_0 = 1\)
随后,当 \(j<w_i\) 时,代表此时的背包容量不足以放下物品i,所以此时的 \(f_j = dp_j\) ;
\(j>=w_i\) 时,此时的 \(f_v\) 应该是多少呢;
由:“总方案数 = 选i的方案数 + 不选i的方案数”,可得:不选i的方案数 = 总方案数 - 选i的方案数
即为 \(f_j = dp_j - f_{j-w_i}\) ;

这里非常疑惑的一个点是:选i的方案数为什么是 \(f_{j-w_i}\) ;
补充一个引理:背包问题的最优解与放入物品的顺序无关(这是显然的,无后效性的体现)
我们可以这样理解:对于一个选i的方案而言,我们可以认为i是最后一个物品,先不选i填充容量为 \(j-w_i\) 的背包,随后使用i填充完整;
由于最后一个一定选i,所以方案数为:不选i填充容量为 \(j-w_i\) 的背包的方案数 ,即为 \(f_{j-w_i}\)

总结一下: \(f_j = dp_j - f_{j-w_i}\) (当 \(j>=w_i\) 时), \(f_j = dp_j\) (当 \(j<w_i\) 时);

经过我们的一番推理,最终得出了不选i的方案数,这就是我们想要的答案,根据要求中途取模输出即可;

关于这篇题解:

我自己做这道题时感觉非常非常崩溃,仿佛自己没学过dp,不过好歹是AC了;
仅以此文,记录一下我奋斗的8月22日;

已经博主授权,源码转载自 https://pan.quark.cn/s/053f1da40351 在计算机科学领域,MIPS(Microprocessor without Interlocked Pipeline Stages)被视作一种精简指令集计算机(RISC)的架构,其应用广泛存在于教学实践和嵌入式系统设计中。 本篇内容将深入阐释MIPS汇编语言中涉及数组处理的核心概念与实用操作技巧。 数组作为一种常见的数据结构,在编程中能够以有序化的形式储存及访问具有相同类型的数据元素集合。 在MIPS汇编语言环境下,数组通常借助内存地址与索引进行操作。 以下列举了运用MIPS汇编处理数组的关键要素:1. **数据存储**: - MIPS汇编架构采用32位地址系统,从而能够访问高达4GB的内存容量。 - 数组元素一般以连续方式存放在内存之中,且每个元素占据固定大小的字节空间。 例如,针对32位的整型数组,其每个元素将占用4字节的存储空间。 - 数组首元素的地址被称为基地址,而数组任一元素的地址可通过基地址加上元素索引乘以元素尺寸的方式计算得出。 2. **寄存器运用**: - MIPS汇编系统配备了32个通用寄存器,包括$zero, $t0, $s0等。 其中,$zero寄存器通常用于表示恒定的零值,$t0-$t9寄存器用于暂存临时数据,而$s0-$s7寄存器则用于保存子程序的静态变量或参数。 - 在数组处理过程中,基地址常被保存在$s0或$s1寄存器内,索引则存储在$t0或$t1寄存器中,运算结果通常保存在$v0或$v1寄存器。 3. **数组操作指令**: - **Load/Store指令**:这些指令用于在内存与寄存器之间进行数据传输,例如`lw`指令用于加载32位数据至寄存器,`sw`指令...
根据原作 https://pan.quark.cn/s/cb681ec34bd2 的源码改编 基于Python编程语言完成的飞机大战项目,作为一项期末学习任务,主要呈现了游戏开发的基本概念和技术方法。 该项目整体构成约500行代码,涵盖了游戏的核心运作机制、图形用户界面以及用户互动等关键构成部分。 该项目配套提供了完整的源代码文件、相关技术文档、项目介绍演示文稿以及运行效果展示视频,为学习者构建了一个实用的参考范例,有助于加深对Python在游戏开发领域实际应用的认识。 我们进一步研究Python编程技术在游戏开发中的具体运用。 Python作为一门高级编程语言,因其语法结构清晰易懂和拥有丰富的库函数支持,在开发者群体中获得了广泛的认可和使用。 在游戏开发过程中,Python经常与Pygame库协同工作,Pygame是Python语言下的一款开源工具包,它提供了构建2D游戏所需的基础功能模块,包括窗口系统管理、事件响应机制、图形渲染处理、音频播放控制等。 在"飞机大战"这一具体游戏实例中,开发者可能运用了以下核心知识点:1. **Pygame基础操作**:掌握如何初始化Pygame环境,设定窗口显示尺寸,加载图像和音频资源,以及如何启动和结束游戏的主循环流程。 2. **面向对象编程**:游戏中的飞机、子弹、敌人等游戏元素通常通过类的设计来实现,利用实例化机制来生成具体的游戏对象。 每个类都定义了自身的属性(例如位置坐标、移动速度、生命值状态)和方法(比如移动行为、碰撞响应、状态更新)。 3. **事件响应机制**:Pygame能够捕获键盘输入和鼠标操作事件,使得玩家可以通过按键指令来控制飞机的移动和射击行为。 游戏会根据这些事件的发生来实时更新游戏场景状态。 4. **图形显示与刷新**:...
【顶级SCI复现】高比例可再生能源并网如何平衡灵活性与储能成本?虚拟电厂多时间尺度调度及衰减建模(Matlab代码实现)内容概要:本文围绕高比例可再生能源并网背景下虚拟电厂的多时间尺度调度与储能成本优化问题展开研究,重点探讨如何在保证系统灵活性的同时降低储能配置与运行成本。通过构建多时间尺度(如日前、日内、实时)协调调度模型,并引入储能设备衰减建模,提升调度精度与经济性。研究结合Matlab代码实现,复现顶级SCI论文中的优化算法与建模方法,涵盖鲁棒优化、分布鲁棒、模型预测控制(MPC)等先进手段,兼顾风光出力不确定性与需求响应因素,实现虚拟电厂内部多能源协同优化。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事新能源、智能电网、能源互联网领域的工程技术人员。; 使用场景及目标:① 掌握虚拟电厂多时间尺度调度的核心建模思路与实现方法;② 学习如何将储能寿命衰减纳入优化模型以提升经济性;③ 复现高水平SCI论文中的优化算法与仿真流程,服务于科研论文写作与项目开发。; 阅读建议:建议结合文中提供的Matlab代码逐模块分析,重点关注目标函数设计、约束条件构建及求解器调用过程,配合实际案例数据进行调试与验证,深入理解优化模型与理系统的映射关系。
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