背包问题经典例题杭电2546

本文探讨了一种针对食堂饭卡余额的优化算法,旨在帮助用户在购买多种菜品后,使卡内余额达到最少但不低于特定阈值。通过动态规划和排序策略,实现了对余额的有效管理和最小化。

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

Problem Description
电子科大本部食堂的饭卡有一种很诡异的设计,即在购买之前判断余额。如果购买一个商品之前,卡上的剩余金额大于或等于5元,就一定可以购买成功(即使购买后卡上余额为负),否则无法购买(即使金额足够)。所以大家都希望尽量使卡上的余额最少。
某天,食堂中有n种菜出售,每种菜可购买一次。已知每种菜的价格以及卡上的余额,问最少可使卡上的余额为多少。

Input
多组数据。对于每组数据:
第一行为正整数n,表示菜的数量。n<=1000。
第二行包括n个正整数,表示每种菜的价格。价格不超过50。
第三行包括一个正整数m,表示卡上的余额。m<=1000。

n=0表示数据结束。

Output
对于每组输入,输出一行,包含一个整数,表示卡上可能的最小余额。

Sample Input
1
50
5
10
1 2 3 2 1 1 2 3 2 1
50
0

Sample Output
-45
32

问题抽象:输入money,输入一系列数,money大于等于5时可以减去任意一系列数里面的一个(一个数只能减一次),小于5时停止,如何使卡内余额最少,输出最小的余额

问题思路:当给的money小于5时,直接输出,大于5时,排序求出最大值,再通过动态规划减出最接近于5的数(如果减了小于5,就不减),再减去最大值,其中,减去的先不用减去最大值(原因:如果减去最大值后比减去第二大值更接近5,那么再减去第二大值之后,和我们的思路是一样的)。数据较小,不用考虑复杂度

与背包问题相关:相当于重量与价值相等的背包问题,将背包容量V视为money-5,N件物品视为N个数,每个数c[i]代表着物品的重量和价格。于是,用子问题定义状态,用f[i][v]表示前i件物品放入容量为money-5的背包获得的重量,则其状态转移方程为f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]+c[i]}

c++代码如下:

#include <stdio.h>
#include <string.h>
#include
using namespace std;

const int maxn=1010;
int val[maxn];
int dp[maxn];

int main(){
int n,i,j,money;
while(~scanf("%d",&n)&&n){
memset(val,0,sizeof(val));
memset(dp,0,sizeof(dp));
for(i=0;i<n;++i
scanf("%d",val+i);
scanf("%d",&money);

    if(money<5){//低于5元直接输出 
        printf("%d\n",money);
        continue;
    }
    
    sort(val,val+n);
    int Max=val[n-1];
    money-=5;//背包容量为money-5
    
    if(money>=val[0]){//如果剩下的钱 连最便宜的物品都买不起,那就不进行操作 
        for(i=0;i<n-1;++i){//i<n-1 因为最贵的东西 已经买走 
            for(j=money;j>=val[i];--j){
                dp[j]=max(dp[j],dp[j-val[i]]+val[i]);//状态转移方程 
            } 
        } 
    }
    printf("%d\n",money+5-dp[money]-Max);
}
return 0;

}

### 背包问题经典例题 #### 01背包问题描述 给定一组物品,每种物品只有一个,并且有一个重量 `w[i]` 和价值 `v[i]`。再给定一个承重为 `W` 的背包,问如何选择放入背包中的物品使得总价值最大。 这是一个典型的动态规划问题,其核心在于通过状态转移方程来解决问题[^1]。 #### 动态规划解决01背包问题的核心步骤 以下是基于动态规划五步法的具体实现: 1. **定义 dp 数组及其意义** 定义二维数组 `dp[i][j]` 表示前 `i` 件物品,在不超过容量 `j` 的情况下所能获得的最大价值。其中 `i` 是当前考虑的第几件物品,`j` 是当前背包剩余容量[^3]。 2. **递推公式** 对于每一个物品有两种情况:不选该物品或者选该物品。因此可以写出如下递推关系: ```plaintext dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]] + v[i]) ``` 这里的意思是如果当前物品不被选取,则继承上一阶段的结果;如果选取则加上当前物品的价值并减去对应的重量。 3. **初始化条件** 初始化时设置当没有任何物品 (`i=0`) 或者背包容量为零 (`j=0`) 时,能取得的最大价值都应设为 0 即可满足边界条件。 4. **遍历顺序** 需要先枚举所有的物品然后再依次尝试不同的背包大小,外层循环是物品数量而内层则是背包容量范围内的迭代操作[^2]。 5. **图例验证过程** 可以画出表格形式逐步填充每个格子直到最终得到全局最优解为止,这样有助于理解整个计算流程是如何一步步推进完成目标函数最优化的过程。 #### Python 实现代码示例 下面是一个简单的Python程序用于演示上述理论的实际应用效果: ```python def knapsack(W, wt, val, n): # 创建DP表,默认值全填0 K = [[0 for w in range(W+1)] for i in range(n+1)] # 构建 DP 表 for i in range(1,n+1): for w in range(1,W+1): if(wt[i-1] <= w): K[i][w]=max(val[i-1]+K[i-1][w-wt[i-1]],K[i-1][w]) else: K[i][w]=K[i-1][w] return K[n][W] # 测试数据 val=[60,100,120] wt =[10,20,30] W=50 n=len(val) print(knapsack(W,wt,val,n)) # 输出结果应该是220 ``` 此段脚本实现了标准版的0/1 Knapsack Algorithm 并返回了对于特定输入参数下的最佳解决方案数值表示——即最高可能达到的商品总体估值量。
评论 1
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