package pers.robert.lanqiaobei08;
import java.util.Scanner;
/**
*
标题:包子凑数
小明几乎每天早晨都会在一家包子铺吃早餐。他发现这家包子铺有N种蒸笼,其中第i种蒸笼恰好能放Ai个包子。每种蒸笼都有非常多笼,可以认为是无限笼。
每当有顾客想买X个包子,卖包子的大叔就会迅速选出若干笼包子来,使得这若干笼中恰好一共有X个包子。比如一共有3种蒸笼,分别能放3、4和5个包子
当顾客想买11个包子时,大叔就会选2笼3个的再加1笼5个的(也可能选出1笼3个的再加2笼4个的)。
当然有时包子大叔无论如何也凑不出顾客想买的数量。比如一共有3种蒸笼,分别能放4、5和6个包子。而顾客想买7个包子时,大叔就凑不出来了。
小明想知道一共有多少种数目是包子大叔凑不出来的。
输入
----
第一行包含一个整数N。(1 <= N <= 100)
以下N行每行包含一个整数Ai。(1 <= Ai <= 100)
输出
----
一个整数代表答案。如果凑不出的数目有无限多个,输出INF。
例如,
输入:
2
4
5
程序应该输出:
6
再例如,
输入:
2
4
6
程序应该输出:
INF
样例解释:
对于样例1,凑不出的数目包括:1, 2, 3, 6, 7, 11。
对于样例2,所有奇数都凑不出来,所以有无限多个。
资源约定:
峰值内存消耗(含虚拟机) < 256M
CPU消耗 < 1000ms
请严格按要求输出,不要画蛇添足地打印类似:“请您输入...” 的多余内容。
所有代码放在同一个源文件中,调试通过后,拷贝提交该源码。
不要使用package语句。不要使用jdk1.7及以上版本的特性。
主类的名字必须是:Main,否则按无效代码处理。
提交程序时,注意选择所期望的语言类型和编译器类型。
* @author Robert
*
*/
public class The08BaoZiShuMuDemo1_question {
static int dp[] = new int[10000];
public static boolean judge(int x, int y) {
int t;
while (y > 0) {
t = x % y;
x = y;
y = t;
}
if (x == 1)
return true;
return false;
}
public static void main(String[] args) {
Scanner scanner = new Scanner(System.in);
int a[] = new int[200];
int n = 0, i, j, res, mark;
n = scanner.nextInt();
while (true) {
res = 0;
mark = 0;
for (i = 1; i <= n; i++) {
a[i] = scanner.nextInt();
}
for (i = 1; i <= n; i++) {
for (j = 1; j <= n; j++) {
if (judge(a[i], a[j])) {
mark = 1;
break;
}
}
if (mark == 1)
break;
}
if (mark != 1) {
System.out.println("INF");
continue;
}
dp[0] = 1;
for (i = 1; i <= n; i++)
for (j = 1; j < 10000; j++) {
if (a[i] > j){
continue;
}//判断a[j-a[i]]==1则,等于a[j]==1?
if (dp[j - a[i]] == 1){
// System.out.println(j+":"+a[i]);
dp[j] = 1;
}
}
for (i = 0; i < 10000; i++) {
if (dp[i] != 1){
// System.out.print(i);
res++;
}
}
System.out.println(res);
}
}
}
/**
* for(int i = 0; i < n; i++){
for(int j = 0; j+a[i] < 100*100+5; j++){
if(dp[j]) dp[j+a[i]] = 1;
}
}
*/
分析:1.如果所有笼子的最大公约数不是1,那么奇数数量的包子将都不能分配,这里使用欧几里得gcd递归公司求最大公约数,如果存在任意两个笼子之间的最大公约数为1,那么就可以分配好,否则将无法分配
2.
dp[0] = 1;
for (i = 1; i <= n; i++)
for (j = 1; j < 10000; j++) {
if (a[i] > j){
continue;
}//判断a[j-a[i]]==1则,等于a[j]==1?
if (dp[j - a[i]] == 1){
// System.out.println(j+":"+a[i]);
dp[j] = 1;
}
}
这里使用的是完全背包解决
那什么是完全背包呢?
完全背包:一个背包总容量为V,现在有N个物品,第i个 物品体积为weight[i],价值为value[i],每个物品都有无限多件,现在往背包里面装东西,怎么装能使背包的内物品价值最大?
对比一下,看到的区别是,完全背包问题中,物品有无限多件。往背包里面添加物品时,只要当前背包没装满,可以一直添加。那么状态转移方程为:
f[i+1][j]=max(f[i][j-k*weight[i+1]]+k*value[i+1]),其中0<=k<=V/weight[i+1]
使用内存为一维数组,伪代码
for i=1……N
for j=1……M
f[j]=max(f[j],f[j-weight[i]+value[i])
和01背包问题唯一不同的是j是从1到M。01背包问题是在前一个子问题(i-1 种 物品)的基础上来解决当前问题(i 种 物品),向i-1种物品时的背包添加第i种物品;而完全背包问题是在解决当前问题(i种物品),向i种物品时的背包添加第i种物品。代码如下:
- #include<iostream>
- using namespace std;
- #define V 1500
- unsigned int f[V];//全局变量,自动初始化为0
- unsigned int weight[10];
- unsigned int value[10];
- #define max(x,y) (x)>(y)?(x):(y)
- int main()
- {
- int N,M;
- cin>>N;//物品个数
- cin>>M;//背包容量
- for (int i=1;i<=N; i++)
- {
- cin>>weight[i]>>value[i];
- }
- for (int i=1; i<=N; i++)
- for (int j=1; j<=M; j++)
- {
- if (weight[i]<=j)
- {
- f[j]=max(f[j],f[j-weight[i]]+value[i]);
- }
- }
- cout<<f[M]<<endl;//输出最优解
- }
看完完全背包问题,再看看01背包问题:
01背包问题:一个背包总容量为V,现在有N个物品,第i个 物品体积为weight[i],价值为value[i],现在往背包里面装东西,怎么装能使背包的内物品价值最大?
看到这个问题,可能会想到贪心算法,但是贪心其实是不对的。例如最少硬币找零问题,要用动态规划。动态规划思想就是解决子问题并记录子问题的解,这样就不用重复解决子问题了。
动态规划先找出子问题,我们可以这样考虑:在物品比较少,背包容量比较小时怎么解决?用一个数组f[i][j]表示,在只有i个物品,容量为j的情况下背包问题的最优解,那么当物品种类变大为i+1时,最优解是什么?第i+1个物品可以选择放进背包或者不放进背包(这也就是0和1),假设放进背包(前提是放得下),那么f[i+1][j]=f[i][j-weight[i+1]+value[i+1];如果不放进背包,那么f[i+1][j]=f[i][j]。
这就得出了状态转移方程:
f[i+1][j]=max(f[i][j],f[i][j-weight[i+1]+value[i+1])。
可以写出代码测试:
- #include<iostream>
- using namespace std;
- #define V 1500
- unsigned int f[10][V];//全局变量,自动初始化为0
- unsigned int weight[10];
- unsigned int value[10];
- #define max(x,y) (x)>(y)?(x):(y)
- int main()
- {
- int N,M;
- cin>>N;//物品个数
- cin>>M;//背包容量
- for (int i=1;i<=N; i++)
- {
- cin>>weight[i]>>value[i];
- }
- for (int i=1; i<=N; i++)
- for (int j=1; j<=M; j++)
- {
- if (weight[i]<=j)
- {
- f[i][j]=max(f[i-1][j],f[i-1][j-weight[i]]+value[i]);
- }
- else
- f[i][j]=f[i-1][j];
- }
- cout<<f[N][M]<<endl;//输出最优解
- }
在hihocoder上面还讲到可以进一步优化内存使用。上面计算f[i][j]可以看出,在计算f[i][j]时只使用了f[i-1][0……j],没有使用其他子问题,因此在存储子问题的解时,只存储f[i-1]子问题的解即可。这样可以用两个一维数组解决,一个存储子问题,一个存储正在解决的子问题。
再进一步思考,计算f[i][j]时只使用了f[i-1][0……j],没有使用f[i-1][j+1]这样的话,我们先计算j的循环时,让j=M……1,只使用一个一维数组即可。
for i=1……N
for j=M……1
f[j]=max(f[j],f[j-weight[i]+value[i])
- #include<iostream>
- using namespace std;
- #define V 1500
- unsigned int f[V];//全局变量,自动初始化为0
- unsigned int weight[10];
- unsigned int value[10];
- #define max(x,y) (x)>(y)?(x):(y)
- int main()
- {
- int N,M;
- cin>>N;//物品个数
- cin>>M;//背包容量
- for (int i=1;i<=N; i++)
- {
- cin>>weight[i]>>value[i];
- }
- for (int i=1; i<=N; i++)
- for (int j=M; j>=1; j--)
- {
- if (weight[i]<=j)
- {
- f[j]=max(f[j],f[j-weight[i]]+value[i]);
- }
- }
- cout<<f[M]<<endl;//输出最优解
- }