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!
输入格式
输入第一行有两个整数,分别代表总共能够用来采药的时间 t 和代表山洞里的草药的数目 m。
第 2 到第 (m+1) 行,每行两个整数,第 (i+1) 行的整数 ai,bi 分别表示采摘第 i 种草药的时间和该草药的价值。
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 #1
70 3
71 100
69 1
1 2
输出 #1
140
说明/提示
数据规模与约定
- 对于 30% 的数据,保证 m≤1e3 。
- 对于 100% 的数据,保证 1≤m≤1e4,1≤t≤1e7,且 1≤m×t≤1e7,1≤ai,bi≤1e4。
思路分析
这个问题是一个典型的动态规划问题。我们可以用一个数组 f 来表示在时间 j 内可以采到的最大价值。动态规划的核心思想是逐步构建这个数组,直到达到总时间 T。
动态规划的状态定义
我们定义 f[j] 表示在时间 j 内可以采到的最大价值。我们的目标是求 f[T]。
状态转移方程
对于每种草药 i,它需要时间 ti 并提供价值 vi。对于时间 j,如果我们选择采摘这种草药,那么 f[j] 的值可以更新为:
f[j]=max(f[j],f[j−ti]+vi)
这意味着,如果我们在时间 j−ti 时已经采到了一些草药,再加上这棵草药的价值 vi,可能会得到更大的总价值。
初始化和边界条件
-
初始化:f[0]=0,表示时间为 0 时价值为 0。
-
边界条件:当 j<ti 时,无法选择这棵草药。
代码实现
下面是基于上述思路的代码实现:
#include<bits/stdc++.h>
#include<string>
using namespace std;
long long int T, M;
long long int v[10005] = { 0 };
long long int Time[10005] = { 0 };
long long int f[10000005] = { 0 };//时间
int main()
{
std::ios::sync_with_stdio(false);
cin.tie(0);
cout.tie(0);
cin >> T >> M;
for (int i = 1; i <= M; ++i) cin >> Time[i] >> v[i];
for (int i = 1; i <= M; ++i)//几棵药
{
for (int j = 1; j <= T; ++j)
{
if(j>=Time[i])
f[j] = max(f[j - Time[i]]+v[i], f[j]);
}
}
cout << f[T];
return 0;
}
代码分析
-
输入处理:
-
我们首先读取总时间 T 和草药数量 M。
-
然后读取每种草药的时间 ti 和价值 vi。
-
-
动态规划数组:
-
f 数组的大小为 T+1,因为我们需要计算从时间 0 到时间 T 的最大价值。
-
-
状态转移:
-
对于每种草药 i,我们遍历所有可能的时间 j。
-
如果时间 j 足够采摘这棵草药,我们尝试更新 f[j]。
-
-
输出结果:
-
最终,f[T] 就是我们在时间 T 内可以采到的最大价值。
-
总结
通过动态规划的方法,我们可以高效地解决这个疯狂的采药问题。动态规划的核心在于状态的定义和转移方程的设计。希望这篇题解能帮助你更好地理解动态规划的思想!