砝码(01背包问题的DFS剪枝)

点击打开链接

砝 码

Description
FJ有一架用来称牛的体重的天平。与之配套的是N(1<=N<=1000)个已知质量的砝码(所有砝码质量的数值都在31位二进制内)。每次称牛时,他都把某头奶牛安置在天平的某一边,然后往天平另一边加砝码,直到天平平衡,于是此时砝码的总质量就是牛的质量(FJ不能把砝码放到奶牛的那边,因为奶牛不喜欢称体重,每当FJ把砝码放到她的蹄子底下,她就会尝试把砝码踢到FJ脸上)。天平能承受的物体的质量不是无限的,当天平某一边物体的质量大于C(1<=C<2^30)时,天平就会被损坏。
砝码按照它们质量的大小被排成一行。并且,这一行中从第3个砝码开始,每个砝码的质量至少等于前面两个砝码(也就是质量比它小的砝码中质量最大的两个)的质量的和。
FJ想知道,用他所拥有的这些砝码以及这架天平,能称出的质量最大是多少。
由于天平的最大承重能力为C,他不能把所有砝码都放到天平上。
现在FJ告诉你每个砝码的质量,以及天平能承受的最大质量。你的任务是选出
一些砝码,使它们的质量和在不压坏天平的前提下是所有组合中最大的。

Input
第1行: 两个用空格隔开的正整数,N和C。
第2..N+1行: 每一行仅包含一个正整数,即某个砝码的质量。保证这些砝码的质量是一个不下降序列。

Output
* 第1行: 一个正整数,表示用所给的砝码能称出的不压坏天平的最大质量。

Sample Input
3 15
1
10
20

Sample Output
11

Hint
输入说明:
FJ有3个砝码,质量分别为1,10,20个单位。他的天平最多只能承受质量为15个单位的物体。
输出说明:
用质量为1和10的两个砝码可以称出质量为11的牛。这3个砝码所能组成的其他的质量不是比11小就是会压坏天平。


思路
01背包问题,这里体积和价值相同,容量为c,求最大价值。
但因为01背包需要用数组来保存状态,由于数据范围达到2^30,无法开辟这么大的数组。所以考虑使用DFS进行搜索
由于每一项都要决定选择还是不选,这样直接DFS一定会超时,剪枝就很重要
这里由于数据是排列好的,从大的数据开始DFS(这一点很重要,是常用的剪枝方法),用一个辅助数组brr存放前i项的和,只有val+brr[i]>ans的分支才有可能产生更大的值,这样剪枝来降低时间复杂度。

代码示例
#include<bits/stdc++.h>
using namespace std;

int arr[1010];
int brr[1010];
int n,c,ans;

void dfs(int a,int val)
{
	if(val>ans) ans=val;
	if(a==-1) return ;
	for(int i=a;i>=0;i--){//这一步保证下面只需一步dfs 
		if(val+arr[i]<=c&&val+brr[i]>ans){
			dfs(i-1,val+arr[i]);
		}
	}
}

int main()
{
	cin>>n>>c;
	cin>>arr[0];
	brr[0]=arr[0];
	for(int i=1;i<n;++i){
		cin>>arr[i];
		brr[i]=brr[i-1]+arr[i];
	}
	ans=0;
	dfs(n-1,0);
	cout<<ans<<endl;
	return 0;
} 


  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
回溯法是解决01背包问题的一种常用方法,但是在处理大规模问题时,回溯法的效率会变得很低。因此,我们需要使用剪枝技术来优化回溯法的效率。 剪枝是指在搜索过程中,根据问题的特点,提前判断某些分支不可能得到最优解,从而减少搜索的分支数,提高搜索效率。在01背包问题中,我们可以使用以下两种剪枝技术: 1.重量剪枝:如果当前物品加入背包后,背包的重量已经超过了背包的容量,那么就可以直接剪枝,不再继续搜索。 2.限界剪枝:在搜索过程中,我们可以计算出当前背包中已经装入物品的总价值,以及剩余物品的最大价值和。如果当前背包中已经装入物品的总价值加上剩余物品的最大价值和小于当前最优解的价值,那么就可以直接剪枝,不再继续搜索。 下面是使用剪枝技术的回溯法解决01背包问题的Python代码: ```python def backtrack(i, cw, cv): global max_value if i == n or cw == w: if cv > max_value: max_value = cv return if cw + items[i][0] <= w: backtrack(i+1, cw+items[i][0], cv+items[i][1]) if cv + bound(i+1, cw) > max_value: backtrack(i+1, cw, cv) def bound(i, cw): if cw >= w: return 0 max_value = 0 total_weight = 0 for j in range(i, n): if total_weight + items[j][0] <= w: total_weight += items[j][0] max_value += items[j][1] else: remain_weight = w - total_weight max_value += items[j][1] * (remain_weight / items[j][0]) break return max_value if __name__ == '__main__': items = [(2, 3), (3, 4), (4, 5), (5, 6)] n = len(items) w = 8 max_value = 0 backtrack(0, 0, 0) print(max_value) ```
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