[贪心算法]忍者道具

描述

忍者道具有很多种,苦无,飞镖,震爆弹。L君热衷于收集忍者道具,现在他有N个道具,每个道具的重量分别是C1、C2…CN。现在他想把这N个道具装到载重量为W的工具包里,请问他最少需要多少个工具包?

输入

第一行包含两个用空格隔开的整数,N和W。
接下来N行每行一个整数,其中第i+1行的整数表示第i个道具的重量Ci。

输出

输出一个整数,最少需要多少个工具包。

样例输入

5 1996
1
2
1994
12
29

样例输出

2

提示

对于100%的数据,1<=N<=18,1<=Ci<=W<=10^8。

解题分析

这题的话蛮有意思的,因为如果单从思路上入手的话其实题目本身是不难的,可以用递归回溯法,也可以用动态规划的方法。不过实际上这两种方法在测试数据时都容易超时,这题本质上可能需要一种贪心的思维。什么意思呢?首先,我们要明白,要想要使用的工具包最少,那么我们必须最大化我们使用的工具包内部的存储空间,问题的关键就在于,我们怎么去放物品才能最高效地利用背包的空间。这里我们可以思考一下,是谁阻碍了我们使用包包?是那些大的物品!所以我们可能要优先去处理那些比较大的物品。所以,我们读入物品后,对整个物品序列进行一个排序,按照从小到大。然后,这个时候我们去计算一下可能使用的包包最少的数量和最大的数量,接着,我们使用一个循环,在这个循环里面,我们的目标是先放好大的物品,然后再考虑小物品的死活。我们把整个序列最大的物品先扔进一个包里,然后去寻找前面的物品,当找到一个最大的,且可以放入这个包包的物品的时候,我们放入,然后依次这样做,直到我们现在处理的这个包包容量达到最大,那么我们增加我们使用的包的数量。外层的for循环相当于先预支给我们那么多包,然后内层的while循环就在利用预支的这些包进行一个贪心最大化放物品,当我们使用的包超过预支的包的时候,我们就继续多预支一个包,以此类推。

代码实现
#include <iostream>
#include <algorithm>
#include <vector>

using namespace std;
int N,W;
vector<int> kits;

int findKit(int curSize,int last){
	if(last==0) return -1;
	if(kits[last-1]+curSize<=W){
		return last-1;
	}
	if(last==1){
		return -1;
	}
	for(int i=last-2;i>=0;i--){
		if(curSize+kits[i]<=W && curSize+kits[i+1]>W){
			return i;
		}
	}
	return -1;
}

int main(){
	scanf("%d%d",&N,&W);
	kits.resize(N);
	int totalWeight=0;
	for(int i=0;i<N;i++){
		scanf("%d",&kits[i]);
		totalWeight+=kits[i];
	}
	sort(kits.begin(),kits.end());
	int minBags=totalWeight%W==0?totalWeight/W:totalWeight/W+1;
	int maxBags=N;
	int usedBags=0;
	for(int nBags=minBags;nBags<=maxBags;nBags++){
		while(usedBags<=nBags){
			int curSize=0;
			int last=kits.size()-1;
			curSize+=kits[last];
			vector<int> arranged;
			arranged.push_back(last);
			while(curSize<=W){
				int index=findKit(curSize,last);
				if(index==-1){
					usedBags++;
					break;
				}
				else{
					arranged.push_back(index);
					curSize+=kits[index];
					last=index;
				}
			}
			int len1=arranged.size();
			for(int i=0;i<len1;i++){
				kits.erase(kits.begin()+arranged[i]);
			}
			if(kits.size()==0){
				break;
			}
		}
		if(kits.size()==0){
			cout<<nBags<<endl;
			break;
		}
	}
	return 0;
}

  • 7
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
贪心算法是一种基于贪心思想的算法,它在每一步选择中都采取当前状态下最优的选择,从而希望最终得到全局最优解。贪心算法通常可以用来解决一些最优化问题,比如最小生成树、背包问题、最短路径等。 贪心算法的实现步骤一般如下: 1. 定义问题的贪心策略。 2. 根据贪心策略,选择当前状态下的最优解。 3. 更新问题的状态,继续步骤 2 直到达到终止条件。 需要注意的是,贪心算法并不是所有问题都能使用的算法。对于某些问题,贪心算法可能得到的不是全局最优解,而是局部最优解。因此,在使用贪心算法时,需要保证问题具有贪心选择性质和无后效性质。 下面以一个简单的例子来说明贪心算法的应用。 给定一个数组,每个元素表示一个活动的结束时间和开始时间。你作为一个主办人,需要在这些活动中选择尽可能多的活动进行安排,使得不同的活动之间不会产生时间冲突。求最多能安排多少个活动。 示例代码: ```csharp public class Activity { public int start; public int end; public Activity(int start, int end) { this.start = start; this.end = end; } } public int MaxActivities(Activity[] activities) { int count = 0; int currentEnd = 0; Array.Sort(activities, (a, b) => a.end - b.end); foreach (Activity activity in activities) { if (activity.start >= currentEnd) { count++; currentEnd = activity.end; } } return count; } ``` 在这个示例代码中,我们定义了一个 `Activity` 类来表示活动的开始时间和结束时间。然后,我们通过贪心策略来选择活动,即每次选择结束时间最早的活动。具体实现中,我们将活动按照结束时间从小到大排序,然后依次选择活动,如果当前活动的开始时间大于等于前一个活动的结束时间,则可以选择该活动。最后返回选择的活动数即可。 时间复杂度为 O(n log n),其中 n 是活动数。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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