[DP] 完全背包 货币系统 HUSTOJ2825

本文介绍了一种使用完全背包算法解决货币组合问题的方法。通过动态规划实现,代码示例清晰展示了如何计算组成特定面值的所有可能方案数。

题目描述

给你一个n种面值的货币系统,求组成面值为m的货币有多少种方案。


输入

第一行为n和m。


输出

样例输入

3 10
1
2
5

样例输出

10

#include <iostream>

using namespace std;
int dp[50000];
int main()
{
	int n, m;
	cin >> n >> m;
	int v[500];
	for ( int i = 0; i < n; i++ ) cin >> v[i];
	dp[0] = 1; //初始化!!
	for ( int i = 0; i < n; i++ ) //完全背包
		for ( int j = v[i]; j <= m; j++ )
			dp[j] += dp[j - v[i]];  //选中当前第i种=j时 == 不选中i=j-v[i] 时的可能数
	cout << dp[m] << endl;
	return 0;
}

### 完全背包问题的闫氏动态规划解析 #### 动态规划的核心思想 完全背包问题是经典的组合优化问题之一,其目标是在给定容量 \(V\) 的背包中放入若干物品,使得总价值最大化。与01背包不同的是,每种物品可以被无限次选取。 闫氏动态规划方法通过状态转移方程定义了一个清晰的状态表示方式,并利用滚动数组优化了空间复杂度。以下是具体实现和解析: --- #### 状态定义 设 \(dp[j]\) 表示当前状态下,背包容量为 \(j\) 时所能获得的最大价值。对于第 \(i\) 种物品,其体积为 \(v[i]\),价值为 \(w[i]\)[^3]。 初始条件:\(dp[0]=0\), 即当背包容量为0时,最大价值也为0。 --- #### 转移方程 在处理第 \(i\) 种物品时,考虑将其加入背包的情况,则状态转移方程为: \[ dp[j] = \max(dp[j], dp[j-v[i]] + w[i]) \] 其中,\(dp[j-v[i]] + w[i]\) 表示将一件该物品放入背包后的新增价值[^4]。 注意,在遍历过程中,为了允许同一种物品多次选入背包,第二层循环需从小到大进行迭代。这与01背包中的逆序遍历形成鲜明对比。 --- #### 时间与空间复杂度 时间复杂度为 \(O(N \times V)\),其中 \(N\) 是物品数量,\(V\) 是背包容量;而经过一维数组的空间压缩后,空间复杂度降为 \(O(V)\)[^1]。 --- #### Python代码实现 下面是基于上述理论的具体Python代码实现: ```python def complete_pack(v, w, capacity): n = len(v) dp = [0] * (capacity + 1) for i in range(n): # 遍历每一个物品 for j in range(v[i], capacity + 1): # 对于每个可能的重量,正向更新 if j >= v[i]: dp[j] = max(dp[j], dp[j - v[i]] + w[i]) return dp[capacity] # 测试数据 values = [6, 3, 5] # 物品的价值列表 weights = [2, 1, 3] # 物品的重量列表 bag_capacity = 5 # 背包的容量 result = complete_pack(weights, values, bag_capacity) print(f"Maximum value achievable is {result}") ``` 此代码实现了完全背包问题的基础逻辑,能够计算出满足约束条件下最大的物品总价值[^2]。 --- #### 解析总结 通过对闫氏DP分析法的理解可以看出,完全背包的关键在于如何设计合理的状态转移关系以及控制嵌套循环的方向。相比01背包而言,虽然两者形式上接近,但在实际操作层面存在细微差异——尤其是关于重复取物这一点的设计思路决定了它们各自独特的解决方案。 ---
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