1068 Find More Coins (30分)

本文探讨了一种解决找零钱问题的方法,即寻找一组数字中最小的序列,其和等于给定的数值M。通过降序排列数字并使用动态规划更新数组,实现了对序列的有效查找。文章提供了完整的C++代码实现,包括如何比较两个vector的大小以及求解vector元素和的函数。

给定一些数字和所求和M,给出序列最小的数字,他们的和恰好等于M。
题目叫find more coins其实隐含了同样价值的一堆硬币数量越多那它的序列就应该越小的意思,但是呢还有1 3 5和2 3 4这样的序列,所以还是得比大小。
将给定数字降序排列,然后循环更新dp数组。dp数组下标值表示该元素对应vector的各元素和。但是有些值是没有对应的组合的,所以加一个判断是否为有效元素。
因为dp存的是vector,并且数字刚开始是降序排列,所以当待比较两vector长度相同时,从尾元素开始逆序遍历比较即可。
感觉写的有点乱和绕……以后有空再改改

#include <stdio.h>
#include <vector>
#include <algorithm>
#include <math.h>

using namespace std;
int n,m;
//比较两vector大小
bool cmp(vector<int>a,vector<int> b){
    if(a.size()!=b.size())return a.size()<b.size();
    vector<int>::iterator ita=a.end()-1;
    vector<int>::iterator itb=b.end()-1;
    while(ita!=a.begin() && itb!=b.begin()){
        if(*ita!=*itb)return *ita<*itb;
        ita--;
        itb--;
    }
    return *ita<*itb;
};
//求vector元素和
int sum(vector<int> v){
    int sum=0;
    for(int i=0;i<v.size();i++){
        sum+=v[i];
    }
    return sum;
}
int main() {
    scanf("%d %d",&n,&m);
    int arr[n];
    for(int i=0;i<n;i++){
        scanf("%d",&arr[i]);
    }
    vector<int> dp[105];
    sort(arr,arr+n,less<int>());
    for(int i=0;i<n;i++){
        for(int j=m;j>=arr[i];j--){
            vector<int> temp=dp[j-arr[i]];
            if(sum(temp)!=j-arr[i])continue;
            temp.push_back(arr[i]);
            if(cmp(dp[j],temp))dp[j]=temp;
        }
    }

    if(dp[m].size()==0){
        printf("No Solution");
        return 0;
    }
    for(int i=0;i<dp[m].size();i++){
        printf("%d",dp[m][i]);
        if(i<dp[m].size()-1)printf(" ");

    }
}
### 关于割硬币的公平配算法 在计算机科学和数学领域,割硬币的问题通常可以被建模为一种优化问题或动态规划问题。目标通常是找到一种方式来最小化两个集合之间的差异或者最大化某种公平性标准。 #### 动态规划解决方案 对于割硬币使其尽可能均匀布的情况,可以采用动态规划的方法解决此问题。假设我们有一组硬币 `coins` 和它们的价值别为 `[c1, c2, ..., cn]`,我们需要将其成两部使得这两部价值之差最小[^2]。 以下是基于动态规划的一个实现方案: ```python def min_difference_partition(coins): total_sum = sum(coins) n = len(coins) dp = [[False]*(total_sum//2 + 1) for _ in range(n+1)] # Initialize DP table for i in range(n+1): dp[i][0] = True for i in range(1, n+1): for j in range(1, total_sum//2 + 1): if coins[i-1] <= j: dp[i][j] = dp[i-1][j] or dp[i-1][j-coins[i-1]] else: dp[i][j] = dp[i-1][j] # Find the largest value that can be achieved less than half of total sum for j in range(total_sum//2, -1, -1): if dp[n][j]: return abs((total_sum - j) - j) ``` 该函数通过构建一个二维布尔数组 `dp` 来记录子集总和的可能性,并最终返回能够达到的最大接近一半总和的值,从而计算出两者间的最小差距[^3]。 #### 贪婪算法近似解法 如果追求更高效的解决方案而允许一定的误差范围,则可以考虑贪婪策略。这种方法并不总是能找到最优解,但在某些情况下表现良好。基本思路是从最大面额开始依次选取直到无法再选为止[^4]。 ```python def greedy_divide_coins(coins): coins.sort(reverse=True) group_a = [] group_b = [] for coin in coins: if sum(group_a) < sum(group_b): group_a.append(coin) else: group_b.append(coin) return (group_a, group_b), abs(sum(group_a)-sum(group_b)) ``` 尽管如此,在实际应用中需注意验证其适用性和局限性。
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