【洛谷】P1616 疯狂的采药(完全背包问题)

这是一篇关于计算机科学的博客,主要介绍了如何通过动态规划解决完全背包问题。题目描述了一个聪明的孩子LiYuxiang要采摘草药,每个草药有不同的价值和采摘时间,目标是在限定时间内最大化草药总价值。解题思路强调了这是一个完全背包问题,与01背包的区别在于可以无限次采摘草药。博主提供了AC代码作为解决方案,代码中展示了动态规划的实现过程,通过两层循环来更新最大价值状态。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目背景

此题为纪念 LiYuxiang 而生。

题目描述

LiYuxiang 是个天资聪颖的孩子,他的梦想是成为世界上最伟大的医师。为此,他想拜附近最有威望的医师为师。医师为了判断他的资质,给他出了一个难题。医师把他带到一个到处都是草药的山洞里对他说:“孩子,这个山洞里有一些不同种类的草药,采每一种都需要一些时间,每一种也有它自身的价值。我会给你一段时间,在这段时间里,你可以采到一些草药。如果你是一个聪明的孩子,你应该可以让采到的草药的总价值最大。”

如果你是 LiYuxiang,你能完成这个任务吗?

此题和原题的不同点:

1. 每种草药可以无限制地疯狂采摘。

2. 药的种类眼花缭乱,采药时间好长好长啊!师傅等得菊花都谢了!

输入格式

输入第一行有两个整数,分别代表总共能够用来采药的时间 t 和代表山洞里的草药的数目 m。

第 2 到第(m+1) 行,每行两个整数,第(i+1) 行的整数 ai​,bi​ 分别表示采摘第i种草药的时间和该草药的价值。

输出格式

输出一行,这一行只包含一个整数,表示在规定的时间内,可以采到的草药的最大总价值。

输入输出样例

输入 

70 3
71 100
69 1
1 2

输出

140

说明/提示

数据规模与约定

  • 对于 30% 的数据,保证m≤10^3。
  • 对于 100% 的数据,保证 ≤m≤10^4,1≤t≤10^7,且 1≤m×t≤10^7,1≤ai​,bi​≤410^4。

************************************************************************************************************************************************************************

解题思路: 

这是一道完全背包的裸题,与01背包的模板区别其实就在第二层循环上,下面我们来分析一下核心代码

    for(ll i=1;i<=m;i++)    //枚举m个草药,看他们采或者不采
    {
        for(ll j=t[i];j<=T;j++)    //完全背包问题核心,必须有足够的时间采当前的草药,所以从t[i]开始循环,枚举到时间T

        {
            dp[j]=max(dp[j],dp[j-t[i]]+v[i]);   //看当前是采还是不采可得到的价值大
        }
    }

下面附上ac代码

#include <iostream>
#include <cstdlib>
#include <cstring>
#include <algorithm>
#include <cmath>
#include <string>
#include <queue>
using namespace std;
typedef long long ll;
const ll M=1e7;
const int mod=1e9+7;
ll dp[M+5];
ll t[10005];
ll v[10005];
int main()
{
    std::ios::sync_with_stdio(false);
    cin.tie(0),cout.tie(0);
    ll T,m;
    cin>>T>>m;
    for(ll i=1;i<=m;i++)
    {
        cin>>t[i]>>v[i];
    }
    for(ll i=1;i<=m;i++)
    {
        for(ll j=t[i];j<=T;j++)
        {
            dp[j]=max(dp[j],dp[j-t[i]]+v[i]);
        }
    }
    cout<<dp[T]<<endl;
    return 0;
}

 

### 采药背包问题算法实现 #### 状态定义 在处理采药背包问题时,状态通常被定义为 `dp[i][j]` 表示前 `i` 种草药,在总重量不超过 `j` 的情况下可以获得的最大价值。这里 `i` 是草药品种索引,`j` 则表示当前考虑的背包容积。 为了简化空间复杂度,可以采用一维数组来代替二维数组进行迭代更新[^1]。 #### 初始化 初始化阶段设置当没有任何草药可选时的状态,即 `dp[j]=0` 对于所有的 `j∈[0,C]` 成立;其中 `C` 代表背包的最大承重能力。 #### 状态转移方程 对于每一个新的草药种类 `i` 和其对应的体积 `c_i` 及价值 `w_i` ,遍历可能放入背包内的剩余容量 `j` (从大到小),并计算是否应该加入该草药: \[ dp[j] = max(dp[j], dp[j-c_i]+w_i)\] 此过程确保每次只针对新增加的一种草药做决策,并且通过逆序访问保证同一轮内不会重复利用已选取过的草药实例[^4]。 #### Python代码实现 下面给出基于上述分析的一个简单Python版本实现: ```python def knapsack(weights, values, capacity): n = len(values) # 创建一个长度为capacity+1的一维列表用于存储子问题的结果 dp = [0]*(capacity + 1) for i in range(n): # 遍历所有物品 for j in range(capacity, weights[i]-1, -1): dp[j] = max(dp[j], dp[j-weights[i]] + values[i]) return dp[-1] if __name__ == "__main__": # 测试样例数据输入 weight_list = [2, 3, 4, 5] value_list = [3, 4, 5, 8] bag_capacity = 5 result = knapsack(weight_list, value_list, bag_capacity) print(f"The maximum total value is {result}") ``` 这段程序实现了经典的01背包问题解决方案,适用于描述中的采药场景,其中每个位置只能放置一次特定类型的草药
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