动态规划-采药

辰辰梦想成为伟大的医师,他面临一位医师提出的挑战:在限定时间内从山洞中采集最有价值的草药。此问题转化为经典的0-1背包问题,通过动态规划算法找到最优解。

描述

辰辰是个很有潜能、天资聪颖的孩子,他的梦想是称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的草药,采每一株都需要一些时间,每一株也有它自身的价值。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。”

如果你是辰辰,你能完成这个任务吗?

输入

输入的第一行有两个整数T(1 <= T <= 1000)和M(1 <= M <= 100),T代表总共能够用来采药的时间,M代表山洞里的草药的数目。接下来的M行每行包括两个在1到100之间(包括1和100)的的整数,分别表示采摘某株草药的时间和这株草药的价值。

输出

输出只包括一行,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。

样例输入

70 3
71 100
69 1
1 2

样例输出

3
可以将这个问题看成一个背包问题,需要花的总时间看成背包的容量,便可将原题改成一个背包问题。

 
<strong>下面是我的ac代码:</strong>
#include<iostream>
#include<algorithm>
#include<cstdio>
using namespace std;
int main()
{
    int T,M,P,V;
    cin>>T>>M;
    int dp[1001]={0};
    while(M--)
    {
        cin>>P>>V;
        for(int i=T;i>=P;--i)
        {
            dp[i]=max(dp[i],dp[i-P]+V);
        }
    }
    cout<<dp[T]<<endl;
return 0;
}<iostream>
#include<algorithm>
#include<cstdio>
using namespace std;
int main()
{
    int T,M,P,V;
    cin>>T>>M;
    int dp[1001]={0};
    while(M--)
    {
        cin>>P>>V;
        for(int i=T;i>=P;--i)
        {
            dp[i]=max(dp[i],dp[i-P]+V);
        }
    }
    cout<<dp[T]<<endl;
return 0;
}

 

### 动态规划采药问题中的应用 #### 1. 背景介绍 动态规划是一种通过将复杂问题分解成更简单的子问题来解决问题的方法。对于采药问题而言,这是一个典型的01背包问题变种,在给定的时间限制下最大化所采集草药的价值。 #### 2. 状态定义 为了描述这个问题的状态,可以设定`dp[i][j]`表示考虑前`i`个物品(即草药),并且总时间不超过`j`的情况下可以获得的最大价值[^3]。 #### 3. 状态转移方程 当处理第`i`个草药时,有两种选择:要么不选这个草药;要么选择它并更新剩余可用时间内的最大价值。因此,状态转移方程如下: \[ dp[i][j] = \max(dp[i-1][j],\quad dp[i-1][j-w_i]+v_i)\] 其中,\(w_i\)代表第`i`个草药所需的时间,\(v_i\)为其对应的价值。这里假设如果当前时间为负数,则该方案不可行[^5]。 #### 4. 边界条件 初始化时,设所有`dp[0][*]`均为0,意味着没有任何草药可选时获得的价值为零。另外,对于任意时刻超过允许范围的情况也应视为非法输入,其对应的`dp[*][<invalid>]`同样置为0或者不予计算。 #### 5. Python实现示例 以下是基于上述理论的一个Python版本解决方案: ```python def collect_medicine(time_limit, n, times, values): # 初始化二维数组用于存储中间结果 dp = [[0]*(time_limit+1) for _ in range(n+1)] for i in range(1, n+1): # 遍历每一个药品 for j in range(time_limit,-1,-1): # 倒序遍历可能的时间点 if j >= times[i-1]: dp[i][j] = max(dp[i-1][j], dp[i-1][j-times[i-1]] + values[i-1]) else: dp[i][j] = dp[i-1][j] return dp[n][time_limit] if __name__ == "__main__": time_limit = 70 # 设定时限 num_of_items = 5 # 物品数量 # 各项花费时间和价值列表 item_times = [8, 9, 10, 12, 15] item_values = [16, 18, 22, 25, 30] result = collect_medicine(time_limit, num_of_items, item_times, item_values) print("Max value:",result) ``` 此代码片段展示了如何构建一个二维表格来记录不同状态下所能达到的最佳效果,并最终返回最优解。
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