且说上一周的故事里,小Hi和小Ho费劲心思终于拿到了茫茫多的奖券!而现在,终于到了小Ho领取奖励的时刻了!
小Ho现在手上有M张奖券,而奖品区有N件奖品,分别标号为1到N,其中第i件奖品需要need(i)张奖券进行兑换,同时也只能兑换一次,为了使得辛苦得到的奖券不白白浪费,小Ho给每件奖品都评了分,其中第i件奖品的评分值为value(i),表示他对这件奖品的喜好值。现在他想知道,凭借他手上的这些奖券,可以换到哪些奖品,使得这些奖品的喜好值之和能够最大。
提示一:合理抽象问题、定义状态是动态规划最关键的一步
提示二:说过了减少时间消耗,我们再来看看如何减少空间消耗
每个测试点(输入文件)有且仅有一组测试数据。
每组测试数据的第一行为两个正整数N和M,表示奖品的个数,以及小Ho手中的奖券数。
接下来的n行描述每一行描述一个奖品,其中第i行为两个整数need(i)和value(i),意义如前文所述。
测试数据保证
对于100%的数据,N的值不超过500,M的值不超过10^5
对于100%的数据,need(i)不超过2*10^5, value(i)不超过10^3
对于每组测试数据,输出一个整数Ans,表示小Ho可以获得的总喜好值。
5 1000 144 990 487 436 210 673 567 58 1056 897
2099
分析:0 1 背包的优化。
第一个:显然,当讨论dp[3][j]的时候dp[1][j]的值是无所谓的。
因此,可以开一个大小为2*m的数组来进行交替的运算。
code:
#include <cstdio> #include <cstring> #include <iostream> #include <algorithm> #define MAXV 100005*2 using namespace std; typedef long long ll; typedef struct { ll weight, value; }dat; dat pack[505]; ll N, M, dp[MAXV]; int main(void) { scanf("%lld %lld", &N, &M); memset(pack, 0, sizeof pack); memset(dp, 0, sizeof dp); for (ll i = 1; i <= N; i++) { scanf("%lld %lld", &pack[i].weight, &pack[i].value); } for (ll i = 1; i <= N; i++) { for (ll j = 1; j <= M; j++) { if (i % 2 == 1) { if (j > pack[i].weight) dp[j + M] = max(dp[j], dp[j - pack[i].weight] + pack[i].value); else dp[j + M] = dp[j]; } else { if (j > pack[i].weight) dp[j] = max(dp[j + M], dp[j + M - pack[i].weight] + pack[i].value); else dp[j] = dp[j + M]; } } } cout << max(dp[M], dp[2 * M]) << endl; }
分析2:因为对于背包问题,当讨论A(i,j)的时候,需要的前状态为B(i-1,j-weightA[i]).而不再需要j-weightA[i]到j之间的数据。因而空间复杂度可以优化为O(m)
个人认为,其实是因为从大到小的枚举导致的。
一开始错了是因为:没想到从j来控制可以到达的重量,做成了完全背包。
code:
#include <cstdio> #include <cstring> #include <iostream> #include <algorithm> #define MAXV 100005 using namespace std; typedef long long ll; typedef struct { ll weight, value; }dat; dat pack[505]; ll N, M, dp[MAXV]; int main(void) { scanf("%lld %lld", &N, &M); memset(pack, 0, sizeof pack); memset(dp, 0, sizeof dp); for (ll i = 1; i <= N; i++) { scanf("%lld %lld", &pack[i].weight, &pack[i].value); } for (ll i = 1; i <= N; i++) { for (ll j = M; j > pack[i].weight; j--)//这里 { dp[j] = max(dp[j], dp[j - pack[i].weight] + pack[i].value); } } cout << dp[M] << endl; }