【动态规划 数学归纳法 二项式定理】C++ 算法458:可怜的小猪

作者推荐

视频算法专题

本文涉及知识点

数学归纳法 二项式定理

动态规划汇总 数学

力扣458:可怜的小猪

有 buckets 桶液体,其中 正好有一桶 含有毒药,其余装的都是水。它们从外观看起来都一样。为了弄清楚哪只水桶含有毒药,你可以喂一些猪喝,通过观察猪是否会死进行判断。不幸的是,你只有 minutesToTest 分钟时间来确定哪桶液体是有毒的。
喂猪的规则如下:
选择若干活猪进行喂养
可以允许小猪同时饮用任意数量的桶中的水,并且该过程不需要时间。
小猪喝完水后,必须有 minutesToDie 分钟的冷却时间。在这段时间里,你只能观察,而不允许继续喂猪。
过了 minutesToDie 分钟后,所有喝到毒药的猪都会死去,其他所有猪都会活下来。
重复这一过程,直到时间用完。
给你桶的数目 buckets ,minutesToDie 和 minutesToTest ,返回 在规定时间内判断哪个桶有毒所需的 最小 猪数 。
示例 1:
输入:buckets = 1000, minutesToDie = 15, minutesToTest = 60
输出:5
示例 2:
输入:buckets = 4, minutesToDie = 15, minutesToTest = 15
输出:2
示例 3:
输入:buckets = 4, minutesToDie = 15, minutesToTest = 30
输出:2
提示:
1 <= buckets <= 1000
1 <= minutesToDie <= minutesToTest <= 100

2024年4月25总结

动态规划

dp[t][n]表示n只小猪 t回合能排除多少桶。
n只小猪有2n种死亡组合。mask ∈ \in [0,2n) ,i ∈ \in [0,n), 最低位为第0位。第mask种组合的第i位为1,表示第i只小猪死亡;为0,表示第0只小猪存活。只有一回合时,第种组合只能有一桶。故:dp[1][n] = 2n。 特例n为0,也成立
从小到大处理t,可以保证无后效性。
第t回合,如果mask 会死n1只小猪,则会存活n-n1只小猪。这种组合,喂dp[t-1][n-n1]桶。

数学归纳法

结论;dp[t][n] = (t+1)n
t等于1时:dp[1][n] = (t+1)n= 2n 得证。
令t=m时,结论正确。则t = m+1是,也正确。
d p [ m + 1 ] [ n ] = ( n 0 ) d p [ m ] [ n ] + ( n 1 ) d p [ m ] [ n − 1 ] ⋯ ( n n ) d p [ m ] [ 0 ] = ( n 0 ) ( m + 1 ) n + ( n 1 ) ( m + 1 ) n − 1 ⋯ ( n n ) ( m + 1 ) 0 根据假设 = ( 1 + m + 1 ) n 根据二相式定理 = ( ( m + 1 ) + 1 ) n 得证 dp[m+1][n]= {n \choose 0 }dp[m][n] + {n \choose 1 }dp[m][n-1] \cdots {n \choose n }dp[m][0] \\ = {n \choose 0 }(m+1)^n + {n \choose 1 }(m+1)^n-1 \cdots {n \choose n }(m+1)^0 \quad 根据假设 \\ =(1+m+1)^n \quad 根据二相式定理 \\ =((m+1)+1)^n \quad 得证 dp[m+1][n]=(0n)dp[m][n]+(1n)dp[m][n1](nn)dp[m][0]=(0n)(m+1)n+(1n)(m+1)n1(nn)(m+1)0根据假设=(1+m+1)n根据二相式定理=((m+1)+1)n得证

动态规划

dp[i][j] 表示i只小猪,j回合能发现buckets 桶液体中的毒药。

一只小猪

一回合小猪只能喝一桶,如果同时喝两桶,结果没出来,猪没了。也就是极端情况下:一回合排除一桶。
dp[1][j] = j+1 注意 j为0时,也是符合的。

两只小猪

一回合第一桶药,两头小猪喝;第二桶药,第一头小猪喝;第三桶药,第二头只小猪喝;第四桶药不喂给小猪。如果两只小猪都死了,第一桶药有毒;如果第一头小猪死了,第二桶有毒;如果第二头小猪死了,第三桶有毒;两只小猪都没死,第四桶有毒。===>>> dp[2][1] = 4
二回合两头小猪都喂,如果有毒,小猪变成0只,dp[0][1] ; 只喂第一头小猪,如果有毒,猪变成一头 dp[1][1];同理,只喂第二头小猪类似:dp[1][1];不喂任何小猪的液体,两头猪:dp[2][1]。故结果为:dp[0][1] + dp[1][1]+dp[2][1] = 1 + 2 + 2 +4

总结i头猪j回合

喂所有猪的液体dp[0][j-1]
喂i-1头猪的液体C i i − 1 ^{i-1}_{i} ii1 *dp[1][j-1]
喂i-2头猪的液体C i i − 2 ^{i-2}_i ii2*dp[2][j-1]
喂1头猪的液体C i 1 ^1_i i1*dp[i-1][j-1]
喂0头猪的液体C i 0 ^0_i i0*dp[i][j-1]

喂k头猪液体的最大数量为:C i k ^k_i ik*dp[i-k][j-1]
故dp[i][j] = Sum [ 0 , i ] k ^k_{[0,i]} [0,i]kC i k ^k_i ik*dp[i-k][j-1]
空间复杂度: O(mn) m是回合数,不超过100,n是小猪数,不超过1000。
计算一种状态的时间复杂度是:O(n)
故总的时间复杂度 是O(nnm),这是理论值。刚刚超时,实际上不会。
当m等于1时,n=10。 就算1000桶,一回合,也只要10只小猪。所以n的最大值是10,不是1000。

代码

核心代码

class CCombination
{
public:
	CCombination( )
	{
		m_v.assign(1,vector<int>());		
	}
	int Get(int sel, int total)
	{
		while (m_v.size() <= total)
		{
			int iSize = m_v.size();
			m_v.emplace_back(iSize + 1, 1);
			for (int i = 1; i < iSize; i++)
			{
				m_v[iSize][i] = m_v[iSize - 1][i] + m_v[iSize - 1][i-1];
			}
		}
		return m_v[total][sel];
	}
protected:
	vector<vector<int>> m_v;	
};
class Solution {
public:
	int poorPigs(int buckets, int minutesToDie, int minutesToTest) {
		const int iTurn = minutesToTest / minutesToDie;
		CCombination com;
		vector<vector<int>> dp(1,vector<int>(iTurn+1,1));
		while (dp.back().back() < buckets)
		{
			const int iPigNum = dp.size();
			dp.emplace_back(iTurn + 1, 1);
			auto& v = dp.back();
			for (int i = 1; i <= iTurn; i++)
			{
				v[i] = 0;
				for (int k = 0; k <= iPigNum; k++)
				{
					v[i] += com.Get(k,iPigNum) * dp[iPigNum - k][i - 1];
				}
			}
		}
		return dp.size() - 1;
	}
};

测试用例

template<class T>
void Assert(const T& t1, const T& t2)
{
	assert(t1 == t2);
}

template<class T>
void Assert(const vector<T>& v1, const vector<T>& v2)
{
	if (v1.size() != v2.size())
	{
		assert(false);
		return;
	}
	for (int i = 0; i < v1.size(); i++)
	{
		Assert(v1[i], v2[i]);
	}
}


int main()
{
	int buckets = 1000, minutesToDie = 15, minutesToTest;
	{
		Solution sln;
		buckets = 1000, minutesToDie = 15, minutesToTest = 60;
		auto res = sln.poorPigs(buckets, minutesToDie, minutesToTest);
		Assert(5, res);
	}
	{
		Solution sln;
		buckets = 4, minutesToDie = 15, minutesToTest = 15;
		auto res = sln.poorPigs(buckets, minutesToDie, minutesToTest);
		Assert(2, res);
	}
	{
		Solution sln;
		buckets = 4, minutesToDie = 15, minutesToTest = 30;
		auto res = sln.poorPigs(buckets, minutesToDie, minutesToTest);
		Assert(2, res);
	}


}

2023年1月版

class Solution {
public:
int poorPigs(int buckets, int minutesToDie, int minutesToTest) {
vector p;
p.push_back(1);
for (int i = 1; i <= 10; i++)
{
p.push_back(i*p[i - 1]);
}
vector<vector> dp;
dp.assign(11, vector(minutesToTest / minutesToDie + 1,1));
if (buckets <= 1)
{
return 0;
}
for (int i = 1; i <= 10; i++)
{
for (int j = 1; j <= minutesToTest / minutesToDie; j++)
{
int iSum = 0;
for (int k = 0; k <= i; k++)
{
iSum += dp[k][j - 1] * (p[i] / p[k] / p[i - k]);
}
dp[i][j] = iSum;
}
if (dp[i].back() >= buckets)
{
return i;
}
}
return 10;
}
};

2023年6月版

class Solution {
public:
int poorPigs(int buckets, int minutesToDie, int minutesToTest) {
const int iMaxTestNum = minutesToTest / minutesToDie;
//10只猪一轮,可以搞定1024 桶。所以10只猪够用了
const int iMaxPig = 10;
vector<vector> vCom(iMaxPig + 1, vector(iMaxPig + 1, 1));//组合
{
for (int i = 1; i <= iMaxPig; i++)
{
for (int j = 1; j < i; j++)
{//从i个小猪中选择j个的可能
vCom[i][j] = vCom[i - 1][j - 1] + vCom[i-1][j];
}
}
}
vector<vector> dp(iMaxTestNum + 1, vector(iMaxPig + 1, 1));
for (int i = 1; i <= iMaxTestNum; i++)
{
for (int j = 1; j <= iMaxPig; j++)
{
int iSum = 0;
for (int k = 0; k <= j; k++)
{
iSum += vCom[j][k] * dp[i - 1][j - k];
}
dp[i][j] = iSum;
}
}
for (int i = 0; i <= iMaxPig; i++)
{
if (dp[iMaxTestNum][i] >= buckets)
{
return i;
}
}
return -1;
}
};

2023年8月版

class Solution {
public:
int poorPigs(int buckets, int minutesToDie, int minutesToTest) {
int iStep = minutesToTest / minutesToDie;
int iCanFindBucket = 1;
for (int pig = 0; ; pig++)
{
if (iCanFindBucket >= buckets)
{
return pig;
}
iCanFindBucket *= (iStep + 1);
}
return 0;
}
};

扩展阅读

视频课程

有效学习:明确的目标 及时的反馈 拉伸区(难度合适),可以先学简单的课程,请移步CSDN学院,听白银讲师(也就是鄙人)的讲解。
https://edu.csdn.net/course/detail/38771

如何你想快

速形成战斗了,为老板分忧,请学习C#入职培训、C++入职培训等课程
https://edu.csdn.net/lecturer/6176

相关

下载

想高屋建瓴的学习算法,请下载《喜缺全书算法册》doc版
https://download.csdn.net/download/he_zhidan/88348653

我想对大家说的话
闻缺陷则喜是一个美好的愿望,早发现问题,早修改问题,给老板节约钱。
子墨子言之:事无终始,无务多业。也就是我们常说的专业的人做专业的事。
如果程序是一条龙,那算法就是他的是睛

测试环境

操作系统:win7 开发环境: VS2019 C++17
或者 操作系统:win10 开发环境: VS2022 **C+

+17**
如无特殊说明,本算法用**C++**实现。

  • 136
    点赞
  • 82
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 126
    评论
好的,这是一个非常经典的问题和证明。首先,我们需要了解贪心算法数学归纳法的概念。 贪心算法是一种解决问题的策略,它通常在每个步骤中选择最优的选择。这个选择不一定是全局最优的,但它通常会在局部上产生最优解。贪心算法通常用于组合优化问题中,例如活动安排问题。 活动安排问题是指给定一组活动,每个活动有自己的开始时间和结束时间,需要在不冲突的情况下选择尽可能多的活动。 现在,我们可以使用数学归纳法来证明贪心算法解决活动安排问题的正确性。 首先,我们需要证明一个引理:对于任意集合中的活动,如果存在一种最优方案,那么这个方案中必然包含具有最早结束时间的活动。 证明如下: 假设最优方案中没有最早结束时间的活动,那么我们可以选择最早结束时间的活动,这个选择不会与最优方案冲突。这是因为如果最优方案中存在与这个活动冲突的活动,那么我们可以用最早结束时间的活动替换它,这样就会得到一个更优的方案。因此,我们可以得到一个包含最早结束时间的活动的最优方案。 接下来,我们使用数学归纳法来证明贪心算法的正确性。 基础情况:对于只有一个活动的情况,贪心算法显然是正确的。 归纳假设:假设对于集合中任意小于 n 个活动的情况,贪心算法都是正确的。 归纳步骤:现在考虑集合中有 n 个活动的情况。按照活动结束时间的先后顺序,将这 n 个活动排序,记作 a1, a2, ..., an。根据引理,最优方案中必然包含具有最早结束时间的活动,记作 ak。根据贪心算法,我们选择 ak,然后在剩余的活动中,选择与 ak 不冲突的尽可能多的活动。由于我们选择的是最早结束时间的活动,因此剩余的活动中也必然存在最优方案。根据归纳假设,我们可以得到剩余的活动中选择尽可能多的活动是正确的。因此,贪心算法是正确的。 综上所述,我们使用数学归纳法证明了贪心算法解决活动安排问题的正确性。

“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 126
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

打赏作者

闻缺陷则喜何志丹

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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