洛谷P1156 垃圾陷阱

题目描述

卡门――农夫约翰极其珍视的一条Holsteins奶牛――已经落了到“垃圾井”中。“垃圾井”是农夫们扔垃圾的地方,它的深度为D(2<=D<=100)英尺。

卡门想把垃圾堆起来,等到堆得与井同样高时,她就能逃出井外了。另外,卡门可以通过吃一些垃圾来维持自己的生命。

每个垃圾都可以用来吃或堆放,并且堆放垃圾不用花费卡门的时间。

假设卡门预先知道了每个垃圾扔下的时间t(0< t<=1000),以及每个垃圾堆放的高度h(1<=h<=25)和吃进该垃圾能维持生命的时间f(1<=f<=30),要求出卡门最早能逃出井外的时间,假设卡门当前体内有足够持续10小时的能量,如果卡门10小时内没有进食,卡门就将饿死。

输入输出格式

输入格式:

第一行为2个整数,D 和 G (1 <= G <= 100),G为被投入井的垃圾的数量。

第二到第G+1行每行包括3个整数:T (0 < T <= 1000),表示垃圾被投进井中的时间;F (1 <= F <= 30),表示该垃圾能维持卡门生命的时间;和 H (1 <= H <= 25),该垃圾能垫高的高度。

输出格式:

如果卡门可以爬出陷阱,输出一个整表示最早什么时候可以爬出;否则输出卡门最长可以存活多长时间。

输入输出样例

输入样例#1:  复制
20 4
5 4 9
9 3 2
12 6 10
13 1 1
输出样例#1:  复制
13





说明

[样例说明]

卡门堆放她收到的第一个垃圾:height=9;

卡门吃掉她收到的第二个垃圾,使她的生命从10小时延伸到13小时;

卡门堆放第3个垃圾,height=19;

卡门堆放第4个垃圾,height=20。

写法一:二维dp

参考:https://www.luogu.org/blog/ppprseter/solution-p1156

讲得很好,把为什么这样得到讲的很细致。网友大呼:我对背包怎么得出的状态终于理解了

#include<iostream>
#include<algorithm>
#include<stdio.h>
#include<cstring>
using namespace std;

int d, g;
struct node
{
	int t;
	int f;
	int h;
}trash[103];

int cmp(node a, node b)
{
	return a.t < b.t;
}

int dp[102][102];

int main()
{
	//freopen("1.txt", "r", stdin);
	memset(dp, 0, sizeof(dp));
	cin >> d >> g;
	for (int i = 1; i <= g; i++)
		cin >> trash[i].t >> trash[i].f >> trash[i].h;
	sort(trash + 1, trash + 1 + g, cmp);
	dp[0][0] = 10;
	for (int i = 1; i <= g;i++)
	for (int j = 0; j <= d; j++)
	{
		if (dp[i - 1][j] >= trash[i].t)
			dp[i][j] = max(dp[i][j], dp[i - 1][j]+trash[i].f);
		if (j >= trash[i].h&&dp[i - 1][j - trash[i].h] >= trash[i].t)
			dp[i][j] = max(dp[i][j], dp[i - 1][j - trash[i].h]);
	}
	int maxt = 0;
	int maxh = 0;
	int i;
	for (i = 1; i <= g; i++)
	{
		for (int j = 0; j <= d; j++)
		{
			if (dp[i][j] >= trash[i].t)
				maxh = max(maxh, j);
			
		}
		if (maxh == d)
			break;
		maxt = max(maxt, dp[i][0]);
	}
	if (maxh == d)
		cout << trash[i].t;
	else
		cout << maxt;
	return 0;
}


写法二:一维dp

参考:https://blog.youkuaiyun.com/Clove_unique/article/details/47951331

dp【i】表示到达高度i时的能量

dp【j+trash【i】.t】=max(dp【j+trash【i】.t】,dp【j】)//不吃这个垃圾,将它堆起来,然后高度更新到j+trash【i】.t

dp【j】+=trash【i】.f表示再高度j时吃掉这个垃圾

再对每个垃圾进行操作前要判断当前的能量是否大于等于这个垃圾下落的时间,如果是的话就可以操作

在对每个垃圾操作时应当先判断j+trash【i】.t是否大于等于d,如果是的话就可以直接输入当前垃圾的下落时间。

#include<iostream>
#include<algorithm>
#include<stdio.h>
using namespace std;

int d, g;
struct node
{
	int t;
	int f;
	int h;
}trash[103];

int cmp(node a, node b)
{
	return a.t < b.t;
}

int dp[1002];

int max(int a, int b)
{
	return a>b ? a : b;
}

int main()
{
	//freopen("1.txt", "r", stdin);
	cin >> d >> g;
	for (int i = 1; i <= g; i++)
		cin >> trash[i].t >> trash[i].f >> trash[i].h;
	sort(trash + 1, trash + 1 + g, cmp);
	dp[0] = 10;
	for (int i = 1; i <= g;i++)
	for (int j = d; j >=0; j--)
	{
		if (dp[j] >= trash[i].t)
		{
			if (j + trash[i].h >= d)
			{
				cout << trash[i].t	;
				return 0;
			}
			dp[j + trash[i].h] = max(dp[trash[i].h+j], dp[j]);
			dp[j] += trash[i].f;
		}
	}
	cout << dp[0];
	return 0;
}
### 关于动态规划 (Dynamic Programming, DP) 的解决方案 在解决洛谷平台上的编程问题时,尤其是涉及动态规划的题目,可以采用以下方法来构建解决方案: #### 动态规划的核心思想 动态规划是一种通过把原问题分解为相对简单的子问题的方式来求解复杂问题的方法。其核心在于存储重复计算的结果以减少冗余运算。通常情况下,动态规划适用于具有重叠子问题和最优子结构性质的问题。 对于动态规划问题,常见的思路包括定义状态、转移方程以及边界条件的设计[^1]。 --- #### 题目分析与实现案例 ##### **P1421 小玉买文具** 此题是一个典型的简单模拟问题,可以通过循环结构轻松完成。以下是该问题的一个可能实现方式: ```cpp #include <iostream> using namespace std; int main() { int n; cin >> n; // 输入购买数量n double p, m, c; cin >> p >> m >> c; // 输入单价p,总金额m,优惠券c // 计算总价并判断是否满足条件 if ((double)n * p <= m && (double)(n - 1) * p >= c) { cout << "Yes"; } else { cout << "No"; } return 0; } ``` 上述代码实现了基本逻辑:先读取输入数据,再根据给定约束条件进行验证,并输出最终结果[^2]。 --- ##### **UOJ104 序列分割** 这是一道经典的区间动态规划问题。我们需要设计一个二维数组 `f[i][j]` 表示前 i 次操作后得到的最大价值,其中 j 是最后一次切割的位置。具体实现如下所示: ```cpp #include <bits/stdc++.h> using namespace std; const int MAXN = 5e3 + 5; long long f[MAXN], sumv[MAXN]; int a[MAXN]; int main(){ ios::sync_with_stdio(false); cin.tie(0); int n,k; cin>>n>>k; for(int i=1;i<=n;i++)cin>>a[i]; for(int i=1;i<=n;i++)sumv[i]=sumv[i-1]+a[i]; memset(f,-0x3f,sizeof(f)); f[0]=0; for(int t=1;t<=k;t++){ vector<long long> g(n+1,LLONG_MIN); for(int l=t;l<=n;l++)g[l]=max(g[l-1],f[t-1][l-1]); for(int r=t;r<=n;r++)f[r]=max(f[r],g[r]+sumv[r]*t); } cout<<f[n]<<'\n'; return 0; } ``` 这段程序利用了滚动数组优化空间复杂度,同时保持时间效率不变[^3]。 --- ##### **其他常见问题** 针对更复杂的路径覆盖类问题(如 PXXXX),我们往往需要结合一维或多维动态规划模型加以处理。例如,在某些场景下,我们可以设定 dp 数组记录到达某一点所需最小代价或者最大收益等指标[^4]。 --- ### 总结 以上展示了如何运用动态规划技巧去应对不同类型的算法挑战。无论是基础还是高级应用场合,合理选取合适的数据结构配合清晰的状态转换关系都是成功解决问题的关键所在。
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

打赏作者

水之积也不厚,则其负大舟也无力

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