P1616 疯狂的采药 题解

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 #1

70 3
71 100
69 1
1 2

输出 #1

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 1≤m≤10^4，1≤t≤10^7，且 1≤m×t≤10^7，1≤ai​,bi​≤10^4。

一、问题分析

        首先，一看这道题就很像之前做过的题，采药。那么我们就大概能确定，这道题要用动态规划做。

        之前我们讲过01背包的做题的方法（P1048 [NOIP2005 普及组] 采药 题解），采药与这道题的区别在于，采药每种物品最多取一次，而这道题是每种物品可以无限次的拿取。这类问题我们就管它叫做完全背包问题。

二、思路分析

        我们依然定义  为考虑了前 i 种物品以后，总体积为 j 时的最大收益。

        之前01背包中，一种物品只有两种情况：拿、不拿。而现在的话，则是不拿、拿一个、拿两个、拿三个……一直到背包装不下。如果我们使用二维状态，对于第 i 个物品，质量 w ，价值 v ，状态转移方程就是：

                f[i][j] = max ( f[i-1][j] , f[i-1][j-w] + v , f[i-1][j-2*w] + 2*v , f[i-1][j-3*w] + 3*v , … )

        按照上面的方程，我们在计算 f[i][j] 时，要循环 j/w[i] 次，去枚举所有可能性，最后找出最大的价值。这样我们在01背包的基础上，又多了层循环。时间复杂度太高，这种方法不可行。我们要优化一下。

        我们可以看看在求 f[i][j] 之前求过的 f[i][j-w] ：

                f[i][j-w] = max ( f[i-1][j-w] , f[i-1][j-2*w] + v , f[i-1][j-3*w] + 2*v , f[i-1][j-4*w] + 3*v , … )

        我们仔细看看这两个方程，我们能发现，第一个方程的第 2 项：

 f[ i - 1 ][ j - w ] + v

        与第二个方程的第 1 项:

 f[ i - 1 ][ j - w ]

        它们之间只差一个 v ！

        同理，第一个方程的第 3 项：

 f[ i - 1 ][ j - 2 * w ] + 2 * v

        与第二个方程的第 2 项：

 f[ i - 1 ][ j - 2 * w ] + v

        也只差一个  v 。可以看出，我们计算 f[i][j] 时，从第二项开始，每一项都是与 f[i][j-w] 相对应的，只差了一个 v 。所以我们不必要去计算最大值，它们的最大值就等于 f[i][j-w] + v 。

        因此，我们计算时就不用循环了，可以得到：

                f[i][j] = max( f[i-1][j] , f[i][j-w]+v )

        再看看01背包的状态转移方程：

                f[i][j] = max( f[i-1][j] , f[i-1][j-w]+v )

        我们可以发现，两个式子几乎是一样的，只不过我们是从上一行的位置 j 与当前行的位置 j-w 转移的，而01背包则是从上一行的位置 j 与上一行的位置 j-w 转移的。

        这样的话，01背包的代码和完全背包的代码几乎是一样的。接下来，我们试试去把数组压缩到一维。之前我们说过，01背包问题如果要用一维数组，需要把第二层，背包容量的循环从大到小进行循环。因为每次计算都依赖这一行左边的值，必须要保证左边的值还没有被覆盖成当前物品的值。而完全背包问题的状态转移方程就是要用当前左边的值，被覆盖的值就是我们想要的。所以完全背包代码与01背包代码的区别只有把第二层循环改成正序。

        注意，完全背包的代码要把背包容量的最大值更大！开long long！

        1.普通

        代码：

#include<bits/stdc++.h>
using namespace std;
int v[100010],w[100010];
long long f[10000010];
int main()
{
	int t,m;
	cin>>t>>m;
	for(int i=1;i<=m;i++)
	{
		cin>>w[i]>>v[i];
	}
	for(int i=1;i<=m;i++)
	{
		for(int j=w[i];j<=t;j++)
		{
			f[j]=max(f[j],f[j-w[i]]+v[i]);
		}
	}
	cout<<f[t];
	return 0;
}

        2.空间优化

        还有，我们的 w 数组和 v 数组其实不必要，我们为了省空间，可以在循环内开出两个变量。

        代码：

#include<bits/stdc++.h>
using namespace std;
int v[100010],w[100010];
long long f[10000010];
int main()
{
	int t,m;
	cin>>t>>m;
	for(int i=1;i<=m;i++)
	{
		int w,v;
		cin>>w>>v;
		for(int j=w;j<=t;j++)
		{
			f[j]=max(f[j],f[j-w]+v);
		}
	}
	cout<<f[t];
	return 0;
}