P1776 宝物筛选

题目描述

终于,破解了千年的难题。小 FF 找到了王室的宝物室,里面堆满了无数价值连城的宝物。

这下小 FF 可发财了,嘎嘎。但是这里的宝物实在是太多了,小 FF 的采集车似乎装不下那么多宝物。看来小 FF 只能含泪舍弃其中的一部分宝物了。

小 FF 对洞穴里的宝物进行了整理,他发现每样宝物都有一件或者多件。他粗略估算了下每样宝物的价值,之后开始了宝物筛选工作:小 FF 有一个最大载重为 W 的采集车,洞穴里总共有 n 种宝物,每种宝物的价值为 vi​,重量为 wi​,每种宝物有 mi​ 件。小 FF 希望在采集车不超载的前提下,选择一些宝物装进采集车,使得它们的价值和最大。

输入格式

第一行为两个整数 n 和 W,分别表示宝物种数和采集车的最大载重。

接下来 n 行每行三个整数 vi​,wi​,mi​。

输出格式

输出仅一个整数,表示在采集车不超载的情况下收集的宝物的最大价值。

输入输出样例

输入 #1

4 20
3 9 3
5 9 1
9 4 2
8 1 3

输出 #1

47

对于 30% 的数据,n≤∑mi​≤10^4,0≤W≤10^3。

对于 100% 的数据,n≤∑mi​≤10^5,0≤W≤4×10^4,1≤n≤100。

第一眼看到这个多重背包,肯定是多少个就复制多少个放到数组里,然后普通01背包,可是你仔细观察数据范围你会发现根本过不了,这时候我们就可以用二进制来解决

二进制每一个位置代表的含义: 1, 2, 4, 8 , 16, 32, 64, 128...

如果我们拥有一个X位的二进制,你会发现它可以表示到0 ~ 2^X-1

所以我们就可以使用二进制分组,对它要求的mi个数进行分组就算分组他也能表示0~mi之间的数

代码:

#include <bits/stdc++.h>
using namespace std;
long long dp[100005],v[100500],w[100005],cnt = 0;
int main(){
    int t,n;
    cin >> n >> t;
    for (int i = 1; i <=n; i++){
        int vv,ww,z;
        cin >> ww >> vv >> z;
        int s = 1;
        while (z != 0){
            if (z < s){
                v[++cnt] = z*vv;
                w[cnt] = z*ww;
                break;
            }
            v[++cnt] = s*vv;
             w[cnt] = s*ww;
            z-=s;
            s*=2;
        }
    }
    for (int i = 1; i <= cnt; i++){
        for (int j = t; j >= v[i]; j--){
            dp[j]=max(dp[j],dp[j-v[i]]+w[i]);
        }
    }
    cout << dp[t];
    return 0;
}

### 宝物筛选问题概述 宝物筛选问题是一种经典的背包问题变种,通常涉及在给定的重量限制下,选择物品以最大化总价值。具体到宝物筛选问题,通常会涉及多种类型的宝物,每种宝物有其重量、价值以及数量限制。因此,该问题可以归类为多重背包问题。 ### 问题建模 - **输入**:最大载重 `W`,宝物数量 `n`,每个宝物的重量 `w[i]`、价值 `v[i]`、数量 `m[i]`。 - **输出**:在不超过最大载重的前提下,能够选择的宝物的最大总价值。 ### 解决方案 对于此类问题,动态规划是解决宝物筛选问题的常用方法。通过构建一个一维数组 `dp`,其中 `dp[j]` 表示在载重为 `j` 时所能获得的最大价值,可以逐步更新该数组以得到最终结果。 #### 优化策略 为了提高效率,使用 **二进制优化** 或 **单调队列优化** 是常见的做法。以下代码使用二进制优化,将多重背包问题转化为多个0-1背包问题,从而减少计算量。 ```cpp #include <iostream> #include <vector> #include <algorithm> using namespace std; const int MAX_W = 100000 + 5; // 假设最大载重为1e5 int dp[MAX_W]; int main() { int n, W; cin >> n >> W; for (int i = 0; i < n; ++i) { int w, v, m; // w: 重量, v: 价值, m: 数量 cin >> w >> v >> m; // 二进制优化 int k = 1; while (m >= k) { int weight = w * k; int value = v * k; for (int j = W; j >= weight; --j) { dp[j] = max(dp[j], dp[j - weight] + value); } m -= k; k <<= 1; } if (m > 0) { int weight = w * m; int value = v * m; for (int j = W; j >= weight; --j) { dp[j] = max(dp[j], dp[j - weight] + value); } } } cout << dp[W] << endl; return 0; } ``` ### 代码解析 1. **输入处理**:从标准输入读取宝物数量 `n` 和最大载重 `W`,然后依次读取每个宝物的重量、价值和数量。 2. **二进制优化**:将每个宝物的数量分解为若干个二进制位,每个位对应一个独立的宝物。这样可以将多重背包问题转化为多个0-1背包问题。 3. **动态规划更新**:对于每个分解后的宝物,使用逆序遍历的方式更新动态规划数组 `dp`,以避免重复计算。 4. **输出结果**:最终输出 `dp[W]`,即最大载重下所能获得的最大价值。 ### 时间复杂度分析 - 假设每个宝物的数量最多为 `log(m)` 个(二进制分解),则总物品数为 `n * log(m)`。 - 动态规划的时间复杂度为 `O(W * n * log(m))`,在 `W` 和 `n` 不是特别大的情况下,能够高效解决问题。 ### 适用场景 该算法适用于宝物数量有限且载重限制不是特别大的情况。如果载重限制非常大(例如 `1e9`),则需要采用其他优化策略,如 **单调队列优化** 或 **状态压缩**。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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