洛谷 P1408 采药(背包问题应用)

这篇文章介绍了一个关于编程竞赛中的问题,辰辰面临的采药挑战,通过动态规划方法解决在给定时间内选择价值最大草药的问题。涉及的状态转移方程和背包问题的应用。

[NOIP2005 普及组] 采药

题目描述

辰辰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的草药,采每一株都需要一些时间,每一株也有它自身的价值。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。”
如果你是辰辰,你能完成这个任务吗?

输入格式

第一行有 222 个整数 TTT1≤T≤10001 \le T \le 10001T1000)和 MMM1≤M≤1001 \le M \le 1001M100),用一个空格隔开,TTT 代表总共能够用来采药的时间,MMM 代表山洞里的草药的数目。

接下来的 MMM 行每行包括两个在 111100100100 之间(包括 111100100100)的整数,分别表示采摘某株草药的时间和这株草药的价值。

输出格式

输出在规定的时间内可以采到的草药的最大总价值。

样例 #1

样例输入 #1

70 3
71 100
69 1
1 2

样例输出 #1

3

提示

【数据范围】

  • 对于 30%30\%30% 的数据,M≤10M \le 10M10
  • 对于全部的数据,M≤100M \le 100M100

本题中和答案有关的元素只有两个,药的数量和采药总时间,又看到最大总价值,就很可能是DP 问题

状态表示:f[i][i]
*******集合:表示只考虑前i株草药且总时间为j的情况下所采草药的总价值
*******属性:最大值
t[i], w[i] 分别表示采第i株草药所需的时间和它的价值
状态计算:将f[i][j]分为两种情况(划分条件:第i株采了没)
****************采(条件:j > t[i]):f[i][j] = f[i - 1][j - t[i]] + w[i]
****************不采:f[i][j] = f[i - 1][j]
二者取最大值

  • 完整代码
#include <cstdio>
#include <cstring>
#include <algorithm>
#include <iostream>
#include <cmath>
using namespace std;

int T, M, t[110], w[110], f[110][1010];
int main() {
	cin >> T >> M;
	for (int i = 1; i <= M; i ++) {
		cin >> t[i] >> w[i];
	}

	for (int i = 1; i <= M; i ++) {
		for (int j = 1; j <= T; j ++) {
			f[i][j] = f[i - 1][j];
			if (j >= t[i])
				f[i][j] = max(f[i][j], f[i - 1][j - t[i]] + w[i]);
		}
	}

	cout << f[M][T] << endl;
	return 0;
}

本题难度不大,就是01背包问题的应用,套一下思路
别忘了点赞关注加收藏!

### 采药背包问题算法实现 #### 状态定义 在处理采药背包问题时,状态通常被定义为 `dp[i][j]` 表示前 `i` 种草药,在总重量不超过 `j` 的情况下可以获得的最大价值。这里 `i` 是草药品种索引,`j` 则表示当前考虑的背包容积。 为了简化空间复杂度,可以采用一维数组来代替二维数组进行迭代更新[^1]。 #### 初始化 初始化阶段设置当没有任何草药可选时的状态,即 `dp[j]=0` 对于所有的 `j∈[0,C]` 成立;其中 `C` 代表背包的最大承重能力。 #### 状态转移方程 对于每一个新的草药种类 `i` 其对应的体积 `c_i` 及价值 `w_i` ,遍历可能放入背包内的剩余容量 `j` (从大到小),并计算是否应该加入该草药: \[ dp[j] = max(dp[j], dp[j-c_i]+w_i)\] 此过程确保每次只针对新增加的一种草药做决策,并且通过逆序访问保证同一轮内不会重复利用已选取过的草药实例[^4]。 #### Python代码实现 下面给出基于上述分析的一个简单Python版本实现: ```python def knapsack(weights, values, capacity): n = len(values) # 创建一个长度为capacity+1的一维列表用于存储子问题的结果 dp = [0]*(capacity + 1) for i in range(n): # 遍历所有物品 for j in range(capacity, weights[i]-1, -1): dp[j] = max(dp[j], dp[j-weights[i]] + values[i]) return dp[-1] if __name__ == "__main__": # 测试样例数据输入 weight_list = [2, 3, 4, 5] value_list = [3, 4, 5, 8] bag_capacity = 5 result = knapsack(weight_list, value_list, bag_capacity) print(f"The maximum total value is {result}") ``` 这段程序实现了经典的01背包问题解决方案,适用于描述中的采药场景,其中每个位置只能放置一次特定类型的草药
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