Movie[状压DP]

本文介绍了一个关于连续观看电影的算法问题,通过状态压缩和动态规划解决如何在有限时间内观看尽可能少数量的电影,以覆盖整个时间段。算法考虑了电影播放时间和次数的限制,通过二分查找和状态转移实现最优解。

题目描述:

小石头喜欢看电影,选择有 N 部电影可供选择,每一部电影会在一天的不同时段播放。他希望连续看 L 分钟的电影。因为电影院是他家开的,所以他可以在一部电影播放过程中任何时间进入或退出,当然他不希望重复看一部电影,所以每部电影他最多看一次,也不能在看一部电影的时候,换到另一个正在播放一样电影的放映厅。

请你帮助小石头让他从 0 到 L 连续不断的看电影,如果可以的话,计算出最少看几部电影。

输入格式:

第一行是 2 个整数 N , L,表示电影的数量,和小石头希望看的连续时间 接下来是 N 行,每行第一个整数 D(1 ≤ D ≤ L)表示电影播放一次的播放时间,第二个整数是 C 表示这部电影有 C 次播放,接下来是 C 个整数表示 C 次播放的开始时间 Ti(0 ≤ Ti ≤ L), Ti 是按升序给出

输出格式:

一个整数,表示小石头最少看的电影数量,如果不能完成输出 -1

样例数据:

输入

4 100
50 3 15 30 55
40 2 0 65
30 2 20 90
20 1 0

输出

3

备注:

【样例说明】

开始他选择最后一步电影从 0 时间开始。

到了 20 分钟,他选择第一部电影的第一次播放,看到 65 分钟

最后他选择第二部电影的第二次播放,从 65 分钟到 100 分钟

【数据规模】

30% 数据 N ≤ 10

100% 数据 N ≤ 20 , 1 ≤  L ≤ 100,000,000 ,C ≤ 1000

分析

我的分析过程:

N<=20,电影最多看一次,肯定就是状压了

于是先定义dp[i]表示看了那些电影

然后我又想,用dp[i][time]表示看了那些电影,总长为time,最少的电影数

但发现L太大,于是我们的状态定义不能有L

于是我又想,L不在状态中,肯定要在...中出现

于是我定义dp[i]表示状态为i,最多看多久

然后我又想,既然dp[i]表示最多能看多久

按照题意,1--dp[i]的时间都可以出来

于是我们找一个比dp[i]小且最大的,接着那个看

发现后面都是有序的,所以就二分啦

复杂度 O(2^n * n * log(c)) 

#include<bits/stdc++.h>
#define N 20
#define M 1005
#define K 1<<N
using namespace std;
int f[K],ans=0x3fffffff;
int n,l,c[N],d[N],a[N][M];
int read(){
	int cnt=0;char ch=0;
	while(!isdigit(ch))ch=getchar();
	while(isdigit(ch))cnt=cnt*10+(ch-'0'),ch=getchar();
	return cnt;
}
int count(int x){int ret=0;for(int i=0;i<=n;i++)if((1<<i)&x) ret++;return ret;}
int main(){
	memset(f,-1,sizeof(f));
	n=read(),l=read();
	for(int i=0;i<n;i++){
		d[i]=read(),c[i]=read();
		for(int j=1;j<=c[i];j++) a[i][j]=read();
	}
	f[0]=0;
	for(int j=0;j<=(1<<n)-1;j++){
		if(f[j]==-1) continue;
		if(f[j]>=l) ans=min(ans,count(j));
		for(int i=0;i<n;i++){
			if((1<<i)&j) continue;//不在集合
			/*查找a[i][j]中<=f[j]且最大的*/ 
			int l=1,r=c[i];
			while(l<r){
				int mid=(l+r+1)>>1;
				if(a[i][mid]<=f[j])l=mid;
				else r=mid-1;
			}
			if(l==1&&a[i][1]>f[j]) continue;
			f[j|(1<<i)]=max(f[j|(1<<i)],a[i][l]+d[i]);
		}
	}
	if(ans!=0x3fffffff) cout<<ans;
	else cout<<"-1";
	return 0;
}

注意状态的巧妙定义

基于蒙特卡洛法的规模化电动车有序充放电及负荷预测(Python&Matlab实现)内容概要:本文围绕“基于蒙特卡洛法的规模化电动车有序充放电及负荷预测”展开,结合Python和Matlab编程实现,重点研究大规模电动汽车在电网中的充放电行为建模与负荷预测方法。通过蒙特卡洛模拟技术,对电动车用户的出行规律、充电需求、接入时间与电量消耗等不确定性因素进行统计建模,进而实现有序充放电策略的优化设计与未来负荷曲线的精准预测。文中提供了完整的算法流程与代码实现,涵盖数据采样、概率分布拟合、充电负荷聚合、场景仿真及结果可视化等关键环节,有效支撑电网侧对电动车负荷的科学管理与调度决策。; 适合人群:具备一定电力系统基础知识和编程能力(Python/Matlab),从事新能源、智能电网、交通电气化等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究大规模电动车接入对配电网负荷特性的影响;②设计有序充电策略以平抑负荷波动;③实现基于概率模拟的短期或长期负荷预测;④为电网规划、储能配置与需求响应提供数据支持和技术方案。; 阅读建议:建议结合文中提供的代码实例,逐步运行并理解蒙特卡洛模拟的实现逻辑,重点关注输入参数的概率分布设定与多场景仿真的聚合方法,同时可扩展加入分时电价、用户行为偏好等实际约束条件以提升模型实用性。
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

打赏作者

FSYo

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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