F-拿物品

本文探讨了两个玩家牛牛和牛可乐在面对一系列具有双属性的物品时,如何通过最优策略来选择物品以使自己的得分尽可能高于对方。通过对物品的A和B属性进行综合评估,采用优先队列实现策略选择,确保了每一步选择都能最大化自身与对手的得分差距。

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

题目描述
牛牛和 牛可乐 面前有 n 个物品,这些物品编号为 1,2,…,n1,2,\dots,n1,2,…,n ,每个物品有两个属性 ai,bia_i, b_iai​,bi​ 。

牛牛与 牛可乐会轮流从剩下物品中任意拿走一个, 牛牛先选取。

设 牛牛选取的物品编号集合为 H,牛可乐选取的物品编号的集合为 T,取完之后,牛牛 得分为 ∑i∈Hai\sum_{i\in H} a_i∑i∈H​ai​;而 牛可乐得分为 ∑i∈Tbi\sum_{i\in T} b_i∑i∈T​bi​。

牛牛和 牛可乐都希望自己的得分尽量比对方大(即最大化自己与对方得分的差)。

你需要求出两人都使用最优策略的情况下,最终分别会选择哪些物品,若有多种答案或输出顺序,输出任意一种。
输入描述:

第一行,一个正整数 n,表示物品个数。
第二行,n 个整数 a1,a2,…,ana_1,a_2,\dots,a_na1​,a2​,…,an​,表示 n 个物品的 A 属性。
第三行,n 个整数 b1,b2,…,bnb_1,b_2,\dots,b_nb1​,b2​,…,bn​,表示 n 个物品的 B 属性。
保证 2≤n≤2×1052\leq n\leq 2\times 10^52≤n≤2×105,0≤ai,bi≤1090\leq a_i,b_i\leq 10^90≤ai​,bi​≤109。

输出描述:

输出两行,分别表示在最优策略下 牛牛和 牛可乐各选择了哪些物品,输出物品编号。

示例1
输入
复制

3
8 7 6
5 4 2

输出
复制

1 3
2

说明

3 1
2
也会被判定为正确

本以为a, b属性的差值是关键, 每次选择差的绝对值最大的物品就行, 后来发现是错的。。。

#include <algorithm>
#include <iostream>
#include <queue>
#include <cstdio>
using namespace std;

const int maxn = 2e5 + 10;
struct node{
	int id, x, y;
}a[maxn];
int a1[maxn], a2[maxn];
int n, t1, t2;

struct cmp{
	bool operator() (node x, node y) {
		return x.x + x.y < y.x + y.y;
	}
};

int main() {
	cin >> n;
	for(int i = 0; i < n; i++)
		cin >> a[i].x;
	for(int i = 0; i < n; i++)
		cin >> a[i].y, a[i].id = i + 1;
	priority_queue<node, vector<node>, cmp>que;
	for(int i = 0; i < n; i++)
		que.push(a[i]);
	for(int i = 1; i <= n; i++) {
		node tem = que.top();
		if(i & 1)
			a1[t1++] = tem.id;
		else
			a2[t2++] = tem.id;
		que.pop();
	}
	for(int i = 0; i < t1; i++)
		cout << a1[i] << " ";
	cout << endl;
	for(int i = 0; i < t2; i++)
		cout << a2[i] << " ";
	return 0;
}
### 01背包问题的状态转移方程 在01背包问题中,状态定义通常表示为 `dp[i][j]`,其中 `i` 表示前 `i` 件物品,而 `j` 表示当前背包容量。这个二维数组存储的是,在考虑前 `i` 件物品的情况下,当背包总容量不超过 `j` 时所能获得的最大价值[^1]。 对于每一件物品有两种选择:放入或者不放入。因此,其状态转移方程可以写成: ```plaintext if (w[i] > j): dp[i][j] = dp[i-1][j]; // 当前物品重量超过剩余空间,则无法选择它 else: dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]] + v[i]); // 取最大值,要么不放这件物品,要么放这件物品并加上它的价值 ``` 这里 `v[i]` 和 `w[i]` 分别代表第 `i` 件物品的价值和重量。 为了优化空间复杂度,可以通过一维滚动数组实现上述逻辑,即更新顺序应从大到小遍历背包容量以避免重复利用同一件物品的影响[^3]。 ### 贪心算法为什么不适用于解决01背包问题? 贪心算法的核心在于每次决策都追求局部最优解,期望最终能够达到全局最优解。然而,在01背包问题里,由于物品不可分割(只能完全取走或放弃),这种策略往往不能得出最佳方案[^2]。 举个例子来说,如果按照单位重量下的价值来排序,并优先挑选高性价比的商品填充至满载为止的话,可能会错过某些组合带来的更高整体收益的情况。这是因为贪心方法并未考虑到后续可能存在的更优搭配机会;相比之下,动态规划则会穷尽所有可能性从而保证得到真正的最大值。 综上所述,虽然贪心法适合处理像分数背包这样的允许部分装载的情形,但对于严格的0/1约束条件下的背包类题目而言并不合适。 ```python def knapsack_01(values, weights, capacity): n = len(values) # 创建DP表,默认初始值全设为0 dp = [[0]*(capacity+1) for _ in range(n+1)] for i in range(1,n+1): for w in range(capacity,-1,-1): if weights[i-1]<=w: dp[i][w]=max(dp[i-1][w],values[i-1]+dp[i-1][w-weights[i-1]]) else: dp[i][w]=dp[i-1][w] return dp[n][capacity] ```
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