疯狂的采药(完全背包)

博客围绕采药问题展开,医师让LiYuxiang在给定时间内采草药使总价值最大,且每种草药可无限制采摘。介绍了输入输出格式、样例及数据范围,指出该问题属于完全背包问题。

题目描述

LiYuxiang是个天资聪颖的孩子,他的梦想是成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。医师把他带到一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种类的草药,采每一种都需要一些时间,每一种也有它自身的价值。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LiYuxiang,你能完成这个任务吗?

此题和原题的不同点:

1.每种草药可以无限制地疯狂采摘。

2.药的种类眼花缭乱,采药时间好长好长啊!师傅等得菊花都谢了!

输入输出格式

输入格式:

 

输入第一行有两个整数T(1 <= T <= 100000)和M(1 <= M <= 10000),用一个空格隔开,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10000之间(包括1和10000)的整数,分别表示采摘某种草药的时间和这种草药的价值。

 

输出格式:

 

输出一行,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。

 

输入输出样例

输入样例#1: 复制

70 3
71 100
69 1
1 2

输出样例#1: 复制

140

说明

对于30%的数据,M <= 1000;

对于全部的数据,M <= 10000,且M*T<10000000(别数了,7个0)。

加油LiYuxiang,第一个AC留给你!

完全背包

代码:

#include<cstdio>
#include<cstring>
#include<iostream>
#include<algorithm>
#include<queue>
#include<stack>
#include<set>
#include<map>
#include<vector>
#include<cmath>

const int maxn=1e5+5;
typedef long long ll;
using namespace std;
int a[10005],b[10005];
int dp[maxn];
int main()
{
	int T,m;
	cin>>T>>m;
	for(int t=1;t<=m;t++)
	{
	   scanf("%d%d",&a[t],&b[t]);
	}
	for(int t=1;t<=m;t++)
	{
		for(int j=0;j<=T;j++)
		{
		if(j<a[t])
		{
			dp[j]=dp[j];
		}
		else
		{
			dp[j]=max(dp[j],dp[j-a[t]]+b[t]);
		}
		}
	}
	cout<<dp[T]<<endl;
	return 0;
} 

 

<think>好的,用户想了解洛谷P1616“疯狂采药”的题解和算法分析。先回忆一下完全背包问题的基本概念。根据引用1和2,这个问题与01背包不同,每种物品可以无限次取用。所以这题是一个典型的完全背包问题。 用户提供的引用中提到,完全背包的状态转移方程和一维数组的优化方法。引用3指出,直接暴力枚举每种物品取用次数会导致时间复杂度过高,不可行。因此,必须采用优化的动态规划方法。 接下来需要考虑如何构建动态规划的状态转移方程。根据引用2中的Java代码示例,使用一维数组dp,其中dp[j]表示时间j内能获得的最大价值。遍历每种草药,然后从该草药的时间开始更新dp数组,这样可以确保每种草药可以被多次选取。 另外,需要注意时间复杂度的优化。引用3提到,原始的状态转移方程会导致O(MT^T)的复杂度,但使用一维数组并正向遍历可以将复杂度降为O(MT),其中M是草药种类数,T是总时间。这样在题目给定的数据范围内(T到1e5)也能高效运行。 然后要验证代码实现的正确性。查看引用2中的Java代码,发现其通过双重循环,外层遍历草药种类,内层从time[i]到总时间T,逐步更新dp[j]的值,符合完全背包的优化思路。这说明代码实现是正确的。 还需要考虑空间复杂度的问题。使用一维数组代替二维数组,空间复杂度从O(MT)降为O(T),这在处理大时间范围时非常必要,避免内存溢出。 最后,总结解题步骤:初始化dp数组,遍历每种草药,正向更新dp数组的值,最后输出dp[T]。同时,需要处理输入输出的格式,确保读取正确的草药时间和价值数据。 用户可能还有疑问,比如如何区分完全背包与01背包,或者优化方法的具体原因。需要准备好回答这些问题,并引用相关参考资料来支持解释。</think>### P1616 疯狂采药 题解与算法分析 #### 一、问题性质 题目属于**完全背包问题**,与01背包的核心区别在于:**每种草药可以无限次采摘**。需要在一定时间限制$T$内,选择采药策略使总价值最大化[^1]。 #### 二、动态规划解法 ##### 1. 状态定义 - 定义$dp[j]$表示在时间$j$内能获得的最大价值 ##### 2. 状态转移方程 $$dp[j] = \max(dp[j], \ dp[j - time[i]] + value[i])$$ *解释*:当遍历到第$i$种草药时,若当前时间$j$允许采摘该草药(即$j \geq time[i]$),则比较保持原状态与采摘该草药后的总价值[^2]。 ##### 3. 实现步骤 1. 初始化长度为$T+1$的数组$dp$,所有元素初始化为0 2. 遍历每种草药$i$($1 \leq i \leq M$) 3. **正向遍历**时间$j$(从$time[i]$到$T$) 4. 更新$dp[j]$的值 ```python def max_value(T, M, time_list, value_list): dp = [0] * (T + 1) for i in range(M): t = time_list[i] v = value_list[i] for j in range(t, T + 1): if dp[j - t] + v > dp[j]: dp[j] = dp[j - t] + v return dp[T] ``` #### 三、复杂度分析 - **时间复杂度**:$O(M \cdot T)$ *解释*:双重循环分别遍历草药种类和时间范围 - **空间复杂度**:$O(T)$ *优势*:相比二维数组$O(M \cdot T)$,节省大量空间[^2] #### 四、算法优化原理 通过**正向遍历**实现状态转移,允许同一物品多次被选取。与01背包的逆序遍历形成对比,这正是完全背包问题的核心处理技巧[^3]。 #### 五、测试样例验证 假设输入: ``` 70 3 71 100 69 1 1 2 ``` 输出应为$140$(通过采摘第三种草药70次)
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

打赏作者

black-hole6

你的鼓励将是我创作的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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