hdu_2191_二进制优化

本文介绍了一种使用C++解决背包问题的方法,通过定义商品类并利用动态规划算法求解最大价值。具体步骤包括输入资金和商品种类,读取每种商品的价格、重量和数量,然后将不同数量的商品组合成新的项,最后用动态规划找出不超过资金限制下的最大价值。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

#include<iostream>
#include<sstream>
#include<string>
#include<vector>
#include<list>
#include<set>
#include<map>
#include<stack>
#include<queue>
#include<algorithm>
#pragma warning(disable:4996)
#include<cstdio>
#include<cstdlib>
using std::cin;
using std::cout;
using std::endl;
using std::stringstream;
using std::string;
using std::vector;
using std::list;
using std::pair;
using std::set;
using std::multiset;
using std::map;
using std::multimap;
using std::stack;
using std::queue;
using std::priority_queue;
class Rice
{
public:
	int price,weight,amount;
	Rice()
	{
		price = weight = amount = 0;
	}
	Rice(const int &p, const int &w, const int &a)
	{
		price = p, weight = w, amount = a;
	}
};
int main()
{
	//freopen("input.txt", "r", stdin);  
	//freopen("output.txt", "w", stdout);  
	int T;
	while (cin >> T)
	{
		while (T--)
		{
			int kind, fund;
			cin >> fund >> kind;
			vector<Rice>rice;
			for (int i = 0; i < kind; i++)
			{
				int price, weight, amount; cin >> price >> weight >> amount;
				rice.push_back({ price,weight,amount });
			}
			vector<pair<int, int>>item;
			for (int i = 0; i < kind; i++)
			{
				for (int j = 1; j <= rice[i].amount; rice[i].amount -= j, j *= 2)
				{
					item.push_back({rice[i].price*j,rice[i].weight*j});
				}
				if (rice[i].amount)
				{
					item.push_back({ rice[i].price*rice[i].amount,rice[i].weight*rice[i].amount });
				}
			}
			vector<int>dp(fund + 1);
			for (int i = 0; i < item.size(); i++)
			{
				for (int j = fund; j >= item[i].first; j--)
				{
					dp[j] = std::max(dp[j], dp[j - item[i].first] + item[i].second);
				}
			}
			cout << dp[fund] << endl;
		}
	}
	return 0;
}

<think>好的,我现在需要处理用户关于HDU OJ问题3001的请求。用户希望找到相关的解法或讨论。首先,我需要确认问题3001的具体内容,因为不同的OJ平台可能有不同的题目编号。HDU OJ是中国杭州电子科技大学的在线判题系统,所以首先我得查找该题目的具体信息。 问题3001的标题通常是“Travelling”或者类似的名称,因为常见的旅行商问题(TSP)题目编号可能接近这个。例如,HDU 3001可能是一个状态压缩的动态规划问题,涉及每个城市最多访问两次的情况。用户可能需要状态压缩和三进制的解法,因为传统的TSP问题使用二进制,但这里可能有访问次数限制。 接下来,我需要回忆或查找该题的具体要求。例如,题目可能要求访问所有城市,每个城市最多访问两次,求最短路径。这种情况下,状态表示需要用三进制来记录每个城市的访问次数,而不是二进制的0或1。动态规划的状态可能是dp[state][u],其中state是三进制数,表示各城市的访问次数,u是当前所在的城市。 然后,关于解法,可能需要用到三进制状态压缩。因为每个城市有三个状态:未访问、访问一次、访问两次。因此,状态的总数是3^n,对于n=10的情况,3^10=59049,这在内存上是可行的。动态规划的转移需要考虑相邻节点的访问次数是否超过限制,并更新最短路径。 另外,用户可能需要代码示例。需要确保代码正确处理三进制的状态转换,可能涉及三进制数的每一位的提取和更新。例如,如何从当前状态中提取某个城市的访问次数,并判断是否还能继续访问。 可能还需要考虑预处理三进制的各位权值,或者使用其他优化方法,比如优先队列(Dijkstra算法)来优化状态转移,因为可能存在多个状态需要按路径长度排序处理。 关于引用,用户提供的参考引用似乎与问题1454相关,可能与当前问题无关,但需要确保在回答中正确引用任何相关资源。可能需要查找HDU OJ上的讨论版或者已有的题解,但用户可能无法直接访问,所以应提供详细的解决思路。 最后,生成的相关问题可能涉及状态压缩动态规划的技巧、三进制的实现方法、与其他TSP变体的比较,或者该问题的时间复杂度分析。需要确保这些问题能够帮助用户深入理解解题方法。</think>关于HDU OJ问题3001(Travelling)的解法分析如下: ### 问题描述 该问题要求访问$n$个城市($n \leq 10$),每个城市最多访问2次,最终返回起点。求满足条件的最短路径长度,若无法完成返回$-1$[^1]。 ### 核心算法:三进制状态压缩DP 1. **状态设计** 定义$dp[state][u]$表示: - $state$:三进制数,每一位表示对应城市访问次数(0未访问,1访问1次,2访问2次) - $u$:当前所在城市 2. **状态转移** 对每条边$u \rightarrow v$,检查: - 城市$v$的访问次数是否已达2次 - 更新后的状态是否更优 转移方程: $$dp[new\_state][v] = \min(dp[new\_state][v], dp[state][u] + cost)$$ 3. **三进制处理技巧** - 预处理三进制权值数组$weight[12] = \{3^0,3^1,...,3^{10}\}$ - 通过取模运算提取某一位的值: ```python def get_digit(state, pos): return (state // weight[pos]) % 3 ``` ### 代码框架 ```python INF = float('inf') n, m = 10, 50 # 示例输入 weight = [3**i for i in range(12)] dp = [[INF]*n for _ in range(3**n)] # 初始化所有起点状态 for i in range(n): dp[weight[i]][i] = 0 for state in range(3**n): for u in range(n): if dp[state][u] == INF: continue for v, cost in graph[u]: if get_digit(state, v) >= 2: continue new_state = state + weight[v] dp[new_state][v] = min(dp[new_state][v], dp[state][u] + cost) # 检查所有城市被访问过的状态 min_cost = INF for state in valid_states: for u in range(n): min_cost = min(min_cost, dp[state][u] + cost[u][0]) # 返回起点 ``` ### 优化技巧 1. **预处理可行状态**:提前筛选包含所有城市至少访问一次的状态 2. **剪枝策略**:当当前路径长度已超过已知最优解时停止扩展 3. **邻接表优化**:使用邻接表存储边而非邻接矩阵
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