P13015 [GESP202506 六级] 学习小组

记录128

#include<bits/stdc++.h>
using namespace std;
const int N=1010;//定义常量N，表示班级人数的最大范围（根据题目数据范围设定）
int n;//定义全局变量n，表示班级的总人数
int a[N];//定义数组a，a[i]表示i人小组的讨论积极度
int dp[N];//定义dp数组，dp[i]表示i名同学分组能获得的最大讨论积极度之和
int main(){//完全背包
	ios::sync_with_stdio(false);
	cin.tie(0);
	cin>>n;//读入班级总人数n
	for(int i=1;i<=n;i++){//循环读入不同人数小组的讨论积极度
		cin>>a[i];//读入i人小组的讨论积极度
	}
	for(int i=1;i<=n;i++){//外层循环：遍历总人数从1到n（背包容量）
		for(int j=1;j<=i;j++){//内层循环：枚举最后一个小组的人数j（物品重量）
			dp[i]=max(dp[i],dp[i-j]+a[j]);//状态转移：取当前最大值与拆出j人小组后的最大值中的较大者
		}
	}
	cout<<dp[n];//输出n名同学分组能获得的最大讨论积极度之和
	return 0;//程序结束
}

---

题目传送门https://www.luogu.com.cn/problem/P13015

---

前言

我是一名专注信奥赛（CSP-J/S、NOIP）的教练。

• 如果你觉得这篇题解对你有帮助，欢迎点击关注我的优快云账号，我会持续更新高质量算法解析。
• 我深知算法思维的构建远比单纯通过题目更重要，本系列题解不局限于AC代码的堆砌，而是致力于拆解题目背后的逻辑链条与核心知识点
• 备赛路上若遇瓶颈，欢迎随时评论或私信，我将甄选典型疑难问题，通过视频讲解或撰写专项文章的形式，为你提供深度答疑。

---

 核心解题思路

这道题表面上是一个复杂的排列组合与分组问题，但如果我们深入分析其数学本质，就会发现它完美契合了算法中的“完全背包模型”。

1. 模型转化：

   • 背包容量：班级总人数 nn 就是背包的总容量。
   • 物品：我们可以组建的 1 人小组、22 人小组、……、 n人小组，就是不同的“物品”。
   • 物品重量：组建一个 k 人小组，需要消耗 kk 个人，因此 k 就是物品的重量。
   • 物品价值：组建一个 k 人小组，能获得的讨论积极度是 a​ ，这就是物品的价值。
   • 完全背包特性：因为题目没有限制某种人数的小组只能组建一次（例如 4 个人完全可以分成两个 2 人小组），所以每种“物品”可以被无限次选取，这正是完全背包问题的核心特征。

2. 状态定义与转移：
   我们定义 dp[i] 表示将 i 名同学划分成若干个小组时，能获得的最大讨论积极度之和。
   为了求出 dp[i]，我们可以逆向思考最后一步：假设最后一个小组有 j 个人（1≤j≤i ），那么剩下的 i - j 个人已经构成了最优划分，其最大积极度为 dp[i - j]。加上这最后 j 人小组带来的积极度 a[j]，我们就得到了一个候选方案。我们只需要枚举所有可能的 j，取其中的最大值即可。

3. 算法优势：
   如果采用暴力搜索（DFS），时间复杂度是指数级的，在 n≤1000 的数据规模下必然超时。而采用完全背包的动态规划解法，时间复杂度仅为 O(N^2)，能够轻松通过所有测试点。

---

 代码分块详细解释

1. 头文件、常量定义与全局变量

#include<bits/stdc++.h>
using namespace std;
const int N=1010; // 定义常量 N，表示班级人数的最大范围（根据题目数据范围 n ≤ 1000 设定，留有余量防越界）
int n; // 定义全局变量 n，表示班级的总人数
int a[N]; // 定义数组 a，a[i] 表示 i 人小组的讨论积极度（即完全背包中物品的价值）
int dp[N]; // 定义 dp 数组，dp[i] 表示 i 名同学分组能获得的最大讨论积极度之和（即背包容量为 i 时的最大价值）

• 详细分析：这部分完成了基础数据结构的搭建。将数组定义为全局变量是一个好习惯，因为全局变量存储在静态存储区，默认初始化为 0，且不会像局部变量那样占用有限的栈空间，从而避免了在 N=1000N=1000 时可能出现的栈溢出风险。dp 数组的默认初始值 0 也恰好符合题意：0 个人分组时的积极度为 0，这为后续的状态转移提供了完美的边界条件。

2. 输入与 IO 优化

int main(){ // 主函数入口
    ios::sync_with_stdio(false);
    cin.tie(0); // 关闭 C++ 标准输入输出流与 C 标准输入输出的同步，并解除 cin 与 cout 的绑定
    cin>>n; // 读入班级总人数 n
    for(int i=1;i<=n;i++){ // 循环读入不同人数小组的讨论积极度
        cin>>a[i]; // 读入 i 人小组的讨论积极度，存入数组 a
    }

• 详细分析：ios::sync_with_stdio(false); 和 cin.tie(0); 是 C++ 竞赛编程中的标准 IO 优化模板。当数据量达到 10001000 级别且涉及大量循环输入输出时，默认的 cin/cout 可能会因为底层同步机制导致超时。这两行代码能大幅提升读写效率。随后的 for 循环将题目给定的积极度数组读入，为接下来的动态规划准备好“物品价值”数据。

3. 核心逻辑：完全背包动态规划

    for(int i=1;i<=n;i++){ // 外层循环：遍历总人数从 1 到 n（相当于遍历背包容量）
        for(int j=1;j<=i;j++){ // 内层循环：枚举最后一个小组的人数 j（相当于枚举物品的重量）
            dp[i]=max(dp[i],dp[i-j]+a[j]); // 状态转移：取当前最大值与拆出 j 人小组后的最大值中的较大者
        }
    }

• 详细分析：这是整个算法的灵魂所在。
  • 外层循环 i 代表当前正在计算多少个人的最优分组方案。
  • 内层循环 j 代表我们尝试在当前的 i 个人中，切分出最后 j 个人组成一个独立的小组。
  • 状态转移方程 dp[i] = max(dp[i], dp[i-j] + a[j]) 的含义是：对于 i 个人，我们有多种切分最后一步的方法（最后 1 人一组、最后 2 人一组……直到最后 i 人一组）。dp[i-j] 是前 i-j 个人的历史最优解，加上当前这个 j 人小组的收益 a[j]，就构成了一个完整的候选解。通过 max 函数不断比较，dp[i] 最终会收敛到所有切分方案中的全局最大值。
  • 这种正序枚举的方式天然满足了完全背包中“物品可以无限次选取”的特性，因为我们在计算 dp[i] 时，dp[i-j] 可能已经包含过 a[j] 的贡献了。

4. 输出结果

    cout<<dp[n]; // 输出 n 名同学分组能获得的最大讨论积极度之和
    return 0; // 程序正常结束
}

• 详细分析：经过前面的双重循环，dp 数组已经自底向上地计算出了所有子问题的最优解。dp[n] 自然就代表了将全部 n 名同学进行最优划分后的最大总积极度。直接输出该值即可。

---

核心逻辑总结表

代码模块	核心变量/操作	精炼作用	解决的痛点
全局定义	int dp[N]	定义状态数组并隐式初始化	避免栈溢出，同时提供 dp[0]=0 的完美边界条件
IO 优化	ios::sync_with_stdio(false)	提升输入输出效率	防止在 N=1000N=1000 规模下因频繁 IO 导致程序超时
背包容量遍历	for(int i=1;i<=n;i++)	自底向上枚举总人数	确保在计算 dp[i] 时，所有规模小于 i 的子问题均已解决
物品重量枚举	for(int j=1;j<=i;j++)	枚举最后一步的小组人数	穷举所有可能的切分方式，保证不漏掉任何最优解
状态转移	dp[i] = max(dp[i], dp[i-j]+a[j])	完全背包核心递推公式	将复杂的分组排列组合问题，优雅地转化为线性动态规划求解