51nod 1548 欧姆诺姆和糖果 (制约关系优化枚举)

本文介绍了一个关于欧姆诺姆选择不同重量和欢乐值的蓝色与红色糖果的问题,目的是在不超过总重量限制的情况下获取最大欢乐值。文章详细讨论了如何通过优化算法将问题的时间复杂度降低至根号级别。
题目来源:  CodeForces
基准时间限制:1 秒 空间限制:131072 KB 分值: 20  难度:3级算法题
 收藏
 关注

一天,欧姆诺诺姆来到了朋友家里,他发现了许多糖果。有蓝色和红色两种。他知道每颗红色糖果重Wr克,每颗蓝色糖果重Wb克。吃一颗蓝色糖果会给他带来Hb的欢乐值,吃一颗红色糖果会给他带来Hr的欢乐值。

欧姆诺姆最多只能吃C克的糖果,而且每一颗糖果不能只吃一半。现在他想通过吃蓝色和红色的糖果来获得最大的欢乐值。

样例解释:每一种糖果吃两颗即可。

Input
单组测试数据。
输入占一行有四个整数C,Hr,Hb,Wr,Wb (1≤C,Hr,Hb,Wr,Wb≤10^9).
Output
输出最大可能获得的欢乐值。
Input示例
样例输入1
10 3 5 2 3
Output示例
样例输出1
16

基本方法:
一、枚举r糖果和b糖果
二、枚举一个就可以确定另一个,所以枚举r糖果或b糖果
显然这两种都会超时

数据范围<=10^9,显然要用 根号或log级别的算法
假设wr<wb
若wb>=根号c,那么wb 最多只能取 根号c 个
这就把 wb>根号c 的枚举优化到了 根号 级
若wb<根号c
假设 hr/wr < hb/wb
可化为 hr*wb < wr*hb
不妨设 r糖果wb个,那么占据 wb*wr 的空间,得到 wb*hr
那么在wb*wr的空间里,就可以放 wr个b糖果,得到 wr*hb
因为 hr*wb < wr*hb
所以 若r糖果吃 wb个,那么b糖果吃 wr个更优
所以 r糖果 吃的个数不超过 wb个,可以枚举 r糖果
因为 没吃wb个r糖果,都可以转为 吃 wr个b糖果替代

这样我们就优化到了根号n

这种优化并没有涉及其他的算法,
在原来枚举方法的基础上,找制约关系减少枚举

枚举 r和b 到 枚举 r或b ,
因为r和b两者 占据的总空间固定
再到根号n枚举,
因为 通过 两者 自带的属性找到了制约关系
#include<iostream>
#include<cmath>
#include<algorithm>
#define ll long long
using namespace std;
ll c,hr,hb,wr,wb,ans;
int main()
{
    cin>>c>>hr>>hb>>wr>>wb;
    if(wr>wb) 
    {
        swap(wr,wb);
        swap(hr,hb);
    }
    if(wb>=sqrt(c)) 
    {
        for(int i=0;i*wb<=c;i++)
        ans=max(ans,i*hb+(c-wb*i)/wr*hr);
    }
    else
    {
        if(1.0*hr/wr>1.0*hb/wb)
        {
            swap(wr,wb);
            swap(hr,hb);
        }
        for(int i=0;i<wb;i++)
        {
            if(i*wr>c) break;
            ans=max(ans,i*hr+(c-i*wr)/wb*hb);
        }
      
    }
    cout<<ans;
}

注意在枚举r糖果时,不能超过总容量

转载于:https://www.cnblogs.com/TheRoadToTheGold/p/6746768.html

题目 51nod 3478 涉及一个矩阵问题,要求通过最少的操作次数,使得矩阵中至少有 `RowCount` 行 `ColumnCount` 列是回文的。解决这个问题的关键在于如何高效地枚举所有可能的行列组合,并计算每种组合所需的操作次数。 ### 解法思路 1. **预处理每一行每一列变为回文所需的最少操作次数**: - 对于每一行,计算将其变为回文所需的最少操作次数。这可以通过比较每对对称位置的值是否相同来完成。 - 对于每一列,计算将其变为回文所需的最少操作次数,方法同上。 2. **枚举所有可能的行列组合**: - 由于 `N` `M` 的最大值为 8,因此可以枚举所有可能的行组合列组合。 - 对于每一种组合,计算其所需的最少操作次数,并取最小值。 3. **计算操作次数**: - 对于每一种组合,需要计算哪些行列需要修改,并且注意行列的交叉点可能会重复计算,因此需要去重。 ### 代码实现 以下是一个可能的实现方式,使用了枚举位运算来处理组合问题: ```python def min_operations_to_palindrome(matrix, row_count, col_count): import itertools N = len(matrix) M = len(matrix[0]) # Precompute the cost to make each row a palindrome row_cost = [] for i in range(N): cost = 0 for j in range(M // 2): if matrix[i][j] != matrix[i][M - 1 - j]: cost += 1 row_cost.append(cost) # Precompute the cost to make each column a palindrome col_cost = [] for j in range(M): cost = 0 for i in range(N // 2): if matrix[i][j] != matrix[N - 1 - i][j]: cost += 1 col_cost.append(cost) min_total_cost = float('inf') # Enumerate all combinations of rows and columns rows = list(range(N)) cols = list(range(M)) from itertools import combinations for row_comb in combinations(rows, row_count): for col_comb in combinations(cols, col_count): # Calculate the cost for this combination cost = 0 # Add row costs for r in row_comb: cost += row_cost[r] # Add column costs for c in col_comb: cost += col_cost[c] # Subtract the overlapping cells for r in row_comb: for c in col_comb: # Check if this cell is part of the palindrome calculation if r < N // 2 and c < M // 2: if matrix[r][c] != matrix[r][M - 1 - c] and matrix[N - 1 - r][c] != matrix[N - 1 - r][M - 1 - c]: cost -= 1 min_total_cost = min(min_total_cost, cost) return min_total_cost # Example usage matrix = [ [0, 1, 0], [1, 0, 1], [0, 1, 0] ] row_count = 2 col_count = 2 result = min_operations_to_palindrome(matrix, row_count, col_count) print(result) ``` ### 代码说明 - **预处理成本**:首先计算每一行每一列变为回文所需的最少操作次数。 - **枚举组合**:使用 `itertools.combinations` 枚举所有可能的行列组合。 - **计算成本**:对于每一种组合,计算其成本,并考虑行列交叉点的重复计算问题。 ### 复杂度分析 - **时间复杂度**:由于 `N` `M` 的最大值为 8,因此枚举所有组合的时间复杂度为 $ O(N^{RowCount} \times M^{ColCount}) $,这在实际中是可接受的。 - **空间复杂度**:主要是存储预处理的成本,空间复杂度为 $ O(N + M) $。 ### 相关问题 1. 如何优化矩阵中行列的枚举组合以减少计算时间? 2. 在计算行列的交叉点时,如何更高效地处理重复计算的问题? 3. 如果矩阵的大小增加到更大的范围,如何调整算法以保持效率? 4. 如何处理矩阵中行列的回文条件不同时的情况? 5. 如何扩展算法以支持更多的操作类型,例如翻转某个区域的值?
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