ACWing 第五章 动态规划

最新推荐文章于 2023-05-09 01:07:48 发布
最新推荐文章于 2023-05-09 01:07:48 发布
阅读量279 收藏 4
点赞数
分类专栏： # AcWing 文章标签： 动态规划 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_37642480/article/details/119305677
版权

文章目录

背包问题

N N N个物品，背包体积 V V V, 不一定要装满背包

01背包：每件物品最多用一次
完全背包：每件物品有无限个
多重背包：每个物品有 S i S_i Si​个，朴素版+优化版
分组背包： N N N组，每组有若干个，水果组，蔬菜组，每组最多选择一物品，每组互斥

在这里插入图片描述
子集划分：不重复，不漏

动 态 规 划 = 状 态 表 示 f ( i , j ) + 状 态 计 算 动态规划=状态表示f(i,j)+状态计算 动态规划=状态表示f(i,j)+状态计算
状 态 表 示 f ( i , j ) = 状态表示f(i,j)= 状态表示f(i,j)=
集 合 ( 所 有 选 法 , 条 件 ( 只 考 虑 前 i 个 物 品 , 总 体 积 < = j ) ) + 属 性 ( M a x , M i n , 数 量 ) 集合(所有选法,条件(只考虑前i个物品,总体积<=j))+属性(Max,Min,数量) 集合(所有选法,条件(只考虑前i个物品,总体积<=j))+属性(Max,Min,数量)

在这里插入图片描述 f ( i , j ) = m a x [ f ( i − 1 , j ) , f ( i − 1 , j − v i ) + w i ] f(i,j)=max[f(i-1,j),f(i-1,j-vi)+wi] f(i,j)=max[f(i−1,j),f(i−1,j−vi)+wi]

AcWing 2. 01背包问题

AcWing 2. 01背包问题

#include <iostream>
using namespace std;
const int N = 1010;
int n,m;
int v[N],w[N];
int f[N][N];
int main(){
    cin >> n >> m;
    for(int i = 1; i <= n; i++){
        cin >> v[i] >> w[i];
    }
    for(int i = 1; i <= n; i++){
        for(int j = 1; j <= m; j++){
           f[i][j] = f[i-1][j];
           if(j >= v[i]) f[i][j] = max(f[i][j],f[i-1][j-v[i]] + w[i]);
        }
    }
 
    cout << f[n][m] << endl;
    
    return 0;
}

f [ i ] [ j ] f[i][j] f[i][j]只用到前面一行的数据，二维可以用一维来存储

    for(int i = 1; i <= n; i++){
        for(int j = v[i]; j <= m; j++){  //直接从v[i]开始
            f[j] = max(f[j],f[j-v[i]] + w[i]); //使用的是当前层更新的数据f[j-v[i]]]数据覆盖了
        }
    }

    for(int i = 1; i <= n; i++)
        for(int j = m; j >= v[i]; j--)  //直接从v[i]开始
            f[j] = max(f[j],f[j-v[i]] + w[i]); //使用的是当前层更新的数据f[j-v[i]]]数据覆盖了

AcWing 3. 完全背包问题

AcWing 3. 完全背包问题
在这里插入图片描述
超时写法
k == 0时包括了 f[i-1][j] 的选法，所以不需要向上面一样赋值f[i-1][j]

#include <iostream>
using namespace std;
const int N = 1010;
int v[N],w[N];
int f[N][N];
int n,m;
int main(){
    ios::sync_with_stdio(false); cin.tie(0);
    cin >> n >> m;
    for(int i = 1; i <= n; i++) cin >> v[i] >> w[i];
    
    for(int i = 1; i <= n; i++){
        for(int j = 0; j <= m; j++){
            for(int k = 0; k*v[i] <= j; k++){
                f[i][j] = max(f[i][j],f[i-1][j-v[i]*k] + w[i]*k);
            }
        }
    }
    cout << f[n][m] << endl;
    return 0;
}

f [ i , j ] = m a x ( f [ i − 1 , j ] , f [ i − 1 , j − v ] + w , f [ i − 1 , j − 2 v ] + 2 w , . . . . f[i,j]=max(f[i-1,j],f[i-1,j-v]+w,f[i-1,j-2v]+2w,.... f[i,j]=max(f[i−1,j],f[i−1,j−v]+w,f[i−1,j−2v]+2w,....
f [ i , j − v ] = m a x ( − − − f [ i − 1 , j − v ] , − − f [ i − 1 , j − 2 v ] + w , f [ i − 1 ] [ j − 3 v ] + 2 w f[i,j-v]=max( --- f[i-1,j-v],--f[i-1, j-2v]+w,f[i-1][j-3v]+2w f[i,j−v]=max(−−−f[i−1,j−v],−−f[i−1,j−2v]+w,f[i−1][j−3v]+2w
f [ i , j ] f[i,j] f[i,j]和同一行的 f [ i , j − v ] f[i,j-v] f[i,j−v]非常相似
在这里插入图片描述

在这里插入图片描述

#include <iostream>
using namespace std;
const int N = 1010;
int v[N],w[N];
int f[N][N];
int n,m;
int main(){
    ios::sync_with_stdio(false); cin.tie(0);
    cin >> n >> m;
    for(int i = 1; i <= n; i++) cin >> v[i] >> w[i];
    
    for(int i = 1; i <= n; i++){
        for(int j = 0; j <= m; j++){
            f[i][j] = f[i-1][j];
            if(j >= v[i]) f[i][j] = max(f[i][j],f[i][j-v[i]] + w[i]); //从同一行转移过来
        }
    }
    cout << f[n][m] << endl;
    return 0;
}

优化，二维变一维

#include <iostream>
using namespace std;
const int N = 1010;
int v[N],w[N];
int f[N];
int n,m;
int main(){
    ios::sync_with_stdio(false); cin.tie(0);
    cin >> n >> m;
    for(int i = 1; i <= n; i++) cin >> v[i] >> w[i];
    
    for(int i = 1; i <= n; i++){
        for(int j = v[i]; j <= m; j++){
            if(j >= v[i]) f[j] = max(f[j],f[j-v[i]] + w[i]); //这里就没有01背包，覆盖的问题了
        }
    }
    cout << f[m] << endl;
    return 0;
}

01背包代码和完全背包代码看似只有第二次遍历顺序不一样，但是含义本质差别很大

AcWing 4. 多重背包问题

AcWing 4. 多重背包问题
在这里插入图片描述

暴力写法
本题目n = 100, n 3 = 1 e 6 n^3=1e^6 n3=1e6 没超时

#include <iostream>
using namespace std;
const int N = 110;
int v[N],w[N],s[N];
int n,m;
int f[N][N];
int main(){
    ios::sync_with_stdio(false); cin.tie(0);
    cin >> n >> m;
    for(int i = 1; i <= n; i++) cin >> v[i] >> w[i] >> s[i];
    for(int i = 1; i <= n; i++){
        for(int j = 0; j <= m; j++){
            for(int k = 0; k <= s[i] && k*v[i] <= j; k++){ // k = 0包含了 f[i-1][j]的情况
                 f[i][j] = max(f[i][j],f[i-1][j-k*v[i]] + w[i]*k);
            }
        }
    }
    cout << f[n][m] << endl;
    return 0;
}

AcWing 5. 多重背包问题 II

AcWing 5. 多重背包问题 II

上一题数据量增大，必须优化！
在这里插入图片描述

线性dp

AcWing 898. 数字三角形

AcWing 898. 数字三角形

在这里插入图片描述

#include <iostream>
#include <cstring>
using namespace std;
const int N = 510;
int a[N][N];
int f[N][N];
int n;



int main(){
    ios::sync_with_stdio(false); cin.tie(0);
    memset(f,0x80,sizeof f); //有负数，就不能初始化为0了
    cin >> n;
    for(int i = 1; i <= n; i++)
        for(int j = 1; j <= i; j++) cin >> a[i][j];
        
        
    f[1][1] = a[1][1];
    for(int i = 2; i <= n; i++){ //从第二行开始，保证有正确的结果
        for(int j = 1; j <= i; j++){
            f[i][j] = max(f[i-1][j],f[i-1][j-1] ) + a[i][j]; //右边界不用考虑
        }
    }
    int ans = 0x80000000;
    for(int i = 1; i <= n; i++) ans = max(ans,f[n][i]);
    cout << ans << endl;
    
    
   
    return 0;
}

AcWing 895. 最长上升子序列

AcWing 895. 最长上升子序列

在这里插入图片描述
O ( n 2 ) O(n^2) O(n2)算法

#include <iostream>
using namespace std;
const int N = 1010;
int f[N];
int a[N];
int n;

int main(){
    ios::sync_with_stdio(false); cin.tie(0);
    cin >> n;
    for(int i = 1; i <= n; i++) cin >> a[i];
    for(int i = 1; i <= n; i++){
        f[i] = max(f[i],1); //a[i]只有一个数
        for(int j = i+1; j <= n; j++){ // 用当前的最大上升长度，更新后面的最大上升子序列
            if(a[j] > a[i]) f[j] = max(f[j],f[i]+1);
        }
    }
    int ans = 0x80000000;
    for(int i = 1; i <= n; i++) ans = max(ans,f[i]);
    cout << ans << endl;

    
    return 0;
}

#include <iostream>
using namespace std;
const int N = 1010;
int f[N];
int a[N];
int n;

int main(){
    ios::sync_with_stdio(false); cin.tie(0);
    cin >> n;
    for(int i = 1; i <= n; i++) cin >> a[i];
    for(int i = 1; i <= n; i++){
        f[i] = 1; //至少是1
        for(int j = 1; j <= i-1; j++){ //用前面的去更新当前i的最长上升子序列
            if(a[j] < a[i]) f[i] = max(f[i],f[j]+1);
        }
    }
    int ans = 0x80000000;
    for(int i = 1; i <= n; i++) ans = max(ans,f[i]);
    cout << ans << endl;

    
    return 0;
}

AcWing 896. 最长上升子序列 II

AcWing 896. 最长上升子序列 II在这里插入图片描述
所有不同长度的最长上升子序列最小结尾的值存下来

在这里插入图片描述
在这里插入图片描述

i f q 4 < a i 产 生 了 长 度 为 5 的 最 长 上 升 子 序 列 ， 更 新 一 下 q 5 if q_4<a_i产生了长度为5的最长上升子序列，更新一下q_5 ifq4​<ai​产生了长度为5的最长上升子序列，更新一下q5​
这种做法更像贪心

n l o g ( n ) nlog(n) nlog(n)

#include <iostream>
#include <cstring>
using namespace std;
const int N = 100010;
int q[N]; //不同长度的最长上升子序列最小结尾
int a[N];
int n;

int main(){
    ios::sync_with_stdio(false); cin.tie(0);
    cin >> n;
    for(int i = 1; i <= n; i++) cin >> a[i];
    memset(q,0x7f,sizeof q);
    int ans = 0;
    for(int i = 1; i <= n; i++){
        int t = a[i]; 
        //二分 t
        int l = 1, r = i-1;
        while(l <= r){ // lower_bound
            int mid = l + (r-l)/2;
            if(l == r && q[mid] >= t) break; 
            if(q[mid] < t) l = mid + 1; //q[mid] = t 时，覆盖最小值
            else r = mid;
        }
        q[l] = min(q[l],t); //如果当前值相同，覆盖当前值，如果不同，那么计算长度+1的最长上升子序列的最小结尾
        ans = max(ans,l); //找最大的长度下标
    }
    cout << ans << endl;
    return 0;
}

简化写法

#include <iostream>
#include <cstring>
using namespace std;
const int N = 100010;
int q[N]; //不同长度的最长上升子序列最小结尾
int a[N];
int n;

int main(){
    ios::sync_with_stdio(false); cin.tie(0);
    cin >> n;
    for(int i = 1; i <= n; i++) cin >> a[i];
    int ans = 0;
    for(int i = 1; i <= n; i++){
        int t = a[i]; 
        //二分 t
        int l = 1, r = ans; // r = 找到的最大长度，保证数组是有序的
        while(l <= r){ // lower_bound
            int mid = l + (r-l)/2;
            if(l == r && q[mid] >= t) break; 
            if(q[mid] < t) l = mid + 1; //q[mid] = t 时，覆盖最小值
            else r = mid;
        }
        q[l] = t; // t一定是最小的 
        ans = max(ans,l); 
    }
    cout << ans << endl;
    return 0;
}

AcWing 897. 最长公共子序列

AcWing 897. 最长公共子序列
集合：所有在第一个序列的前i个字母出现，且在第二个序列的前j个字母中出现的子序列
属性：长度的最大值
状态计算：以 a i , b j a_i,b_j ai​,bj​ 是否包含在子序列之中，有四种情况
在这里插入图片描述
在这里插入图片描述

f [ i − 1 , j ] 包 含 01 这 种 情 况 f[i-1,j]包含01这种情况 f[i−1,j]包含01这种情况
f [ i − 1 , j ] 子 序 列 包 含 在 f [ i , j ] 之 中 f[i-1,j]子序列包含在f[i,j]之中 f[i−1,j]子序列包含在f[i,j]之中
f [ i , j − 1 ] 包 含 10 这 种 情 况 f[i,j-1]包含10这种情况 f[i,j−1]包含10这种情况
f [ i , j − 1 ] 子 序 列 包 含 在 f [ i , j ] 之 中 f[i,j-1]子序列包含在f[i,j]之中 f[i,j−1]子序列包含在f[i,j]之中

#include <iostream>
using namespace std;
const int N = 1010;
char a[N],b[N];
int f[N][N];
int n,m;
int main(){
    ios::sync_with_stdio(false); cin.tie(0);
    cin >> n >> m;
    cin >> a+1 >> b+1;
    for(int i = 1; i <= n; i++){
        for(int j = 1; j <= m; j++){
            f[i][j] = max(f[i-1][j],f[i][j-1]);
            if(a[i] == b[j]) f[i][j] = max(f[i][j],f[i-1][j-1]+1);
        }
    }
    cout << f[n][m] << endl;
    return 0;
}
superkcl2022
关注
专栏目录
Acwing算法—动态规划
HENRYyangtuo的博客
06-12 5312
目录 数字三角形模型AcWing 898. 数字三角形AcWing 1015. 摘花生AcWing 1018. 最低通行费AcWing 1027. 方格取数AcWing 275. 传纸条最长上升子序列模型AcWing 895. 最长上升子序列AcWing 896. 最长上升子序列 IIAcWing 1017. 怪盗基德的滑翔翼AcWing 1014. 登山AcWing 482. 合唱队形AcWing 1012. 友好城市AcWing 1016. 最大上升子序列和AcWing 1010. 拦截导弹AcWing
Acwing 基础算法之：第五章 动态规划
togph的博客
05-07 527
求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。求解将哪些物品装入背包，可使物品体积总和不超过背包容量，且价值总和最大。第一行两个整数，N，V，用空格隔开，分别表示物品数量和背包容积。第一行两个整数，N，V，用空格隔开，分别表示物品种数和背包容积。第一行两个整数，N，V，用空格隔开，分别表示物品种数和背包容积。第一行两个整数，N，V，用空格隔开，分别表示物品种数和背包容积。本题考查多重背包的二进制优化方法。
Acwing《算法基础课》第5章 动态规划
weixin_45769709的博客
10-07 600
Acwing《算法基础课》第5章 动态规划 文章目录Acwing《算法基础课》第5章 动态规划背包问题01背包问题完全背包问题多重背包问题分组背包问题线性DP数字三角形最长上升子序列最长公共子序列最短编辑距离区间DP计数类DP完全背包解法其它算法数位统计DP状态压缩DP蒙德里安的梦想最短Hamilton路径树形DP记忆化搜索 背包问题 01背包问题 nnn个物品，每个物品的体积是viv_ivi​，价值是wiw_iwi​，背包的容量是mmm 若每个物品最多只能装一个，且不能超过背包容量，则背包的最大价值是
acwing 算法基础班学习笔记-第五讲.动态规划
irony_202的博客
03-20 340
动态规划的核心思想是把一个状态转移成已知状态，因此分为两部分： 状态表示需要保证所有状态不重不漏，状态计算即将当前状态转变为已知状态，或保证如此转移最终能走到边界，而边界值确定。 一、背包问题 1.01背包：每件物品只能选一次 状态表示：f[i][j] 表示从前i个物品中选，重量不超过j的最大价值。 状态计算：f[i][j] =max（f[i-1][j] ， f[i-1][j-v[i]] +w[i] ）（当前状态可分为选了第i件物品的价值最大值和没选第i件物品的最大值） 初始i=0或j=0时，f[i][j
算法复习 - AcWing动态规划
欢迎光临 我的心
10-03 300
1027. 方格取数 从左上角走到右下角，能走两次，问你最大收益，两条路如果走到同一个点就只有一份收益 特殊情况就是两条路重复的时候，重复的必要条件是两条路走的步数相等，为了方便维护这个值，DP维护的状态中保存当前走的总步数和第一二条路向右走的步数，这样向下走的步数可以直接计算出，状态转移就很明显了就 /* dp[i1][i2][k]: 第一个点走到(i1,k-i1),第二个点走到(i2,k-i2)的最大值 dp[i1][i2][k] 可由 dp[i1][i2][k-1],dp[i1-1][i2][k-1
动态规划（Acwing）
qq_43489418的博客
02-08 329
背包问题（Acwing题解）
第五章 动态规划(5)：状态压缩模型
lumoumou`s blogs
05-08 690
目录1、棋盘式DP / 基于连通性的DP1.1、蒙德里安的梦想（基本模型）（连通性：1X2矩阵）1.2、小国王（连通性：井字形）1.3、玉米田（连通性：十字型）1.4、炮兵阵地（连通性：扩展的十字型）2、集合式DP2.1、最短Hamilton路径（基本模型）2.2、怒的小鸟 1、棋盘式DP / 基于连通性的DP 1.1、蒙德里安的梦想（基本模型）（连通性：1X2矩阵） ACWing 291 算法思想： 我们先考虑横向摆放条件下，即仅摆放2x1的方块的时候，总的方案数等于只放横着的小方块的合法方案数。因为所有
第五章 动态规划(7)：树形DP模型
lumoumou`s blogs
05-09 385
文章目录七、树形DP1、没有上司的舞会2、树的最长路径 / 树的直径3、树的中心4、数字转换5、二叉苹果树（有依赖背包的特殊情况）6、战略游戏7、皇宫看守 七、树形DP 1、没有上司的舞会 ACWing 285 #mermaid-svg-TkApwUtdMP3aqhhl {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-TkApwUtdMP3aqhhl .error-icon
Acwing-基础算法-第一章-基础算法
03-24
【Acwing基础算法】课程是面向初学者设计的，涵盖了算法和数据结构的基本概念。本章节主要讲解了一维和二维的基础算法，包括前缀和、差分、最长子序列、双指针算法以及二进制运算等核心概念，旨在帮助学习者建立扎实...
acwing算法基础课-第五章 动态规划
最新发布
偶然路过的帅小伙z的博客
05-09 450
背包问题 线性DP 区间DP 计数类DP 数位统计DP 状态压缩DP 树形DP 记忆化搜索
AcWing动态规划
柒月栗子的博客
03-16 535
1.背包问题 01背包问题 有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。 第 i 件物品的体积是 vi，价值是 wi。 求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。 输出最大价值。 输入格式 第一行两个整数，N，V，用空格隔开，分别表示物品数量和背包容积。 接下来有 N 行，每行两个整数 vi,wi，用空格隔开，分别表示第 i 件物品的体积和价值。 输出格式 输出一个整数，表示最大价值。 int v[N], w[N]; int f[N]; int main(
【AcWing 学习】动态规划
萌宅鹿的技术小屋
09-23 1577
背包问题 01 背包 完全背包 多重背包 线性 DP 数字三角形 最长上升子序列 最长公共子序列 最短编辑距离 编辑距离 区间 DP 石子合并 计数类 DP 整数划分 树形 DP 没有上司的舞会 记忆化搜索 滑雪
ACwing 动态规划总论
weixin_51670469的博客
12-18 293
ACwing 动态规划总论 看lyd视频总结 2020.12.18 19：41 动态规划题目特点 1.计数 有多少种方式走到右下角 有多少种方法选出k个数使得和是Sum 2.求最大值最小值 从左上角到右下角路径的最大数字和 最长上升子序列长度 3.求存在性 取石子游戏，先手是否必胜 能不能选出K个数使得和是Sum 经典例题1.LIS（求最长上升子序列） 题目描述： 给定一个长度为N的数列，求数值严格单调递增的子序列的长度最长是多少。 输入格式 第一行包含整数N。 第二行包含N个整数，表示...
AcWing算法学习之动态规划(基础)
weixin_51624761的博客
12-24 617
本文根据AcWing的算法基础课动态规划专题缩写，介绍了动态规划的几种模型以及相关例题，包括背包问题、线性DP、区间DP，计数类DP、状态压缩DP、树形DP、记忆化搜索。
acwing动态规划（二）——线性DP、区间DP、计数类DP
Stephen_Zhao0的博客
03-27 387
1.线性DP 递推的顺序是线性的。 1.数字三角形 算法思想：自上而下，判断可以选择的两个数中较大的那个。 #include <iostream> #include <cstring> using namespace std; const int N = 510; int f[N][N]; int main() { int n ; cin >&g...
第五章 动态规划(4)：状态机模型
lumoumou`s blogs
05-07 625
目录1、大盗阿福2、股票买卖 IV3、股票买卖 V4、设计密码5、修复DNA 1、大盗阿福 ACwing 1049 按照之前集合的思路： 集合 f[i]：表示抢劫前i家店铺所获得的的收益 集合划分 左边：抢劫第i家店铺，f[i-2]+w[i]（因为选择了第i家，第i-1家就不能选择） 右边：不抢劫第i家店铺，f[i-1] 状态计算 f[i] = max(f[i - 2] + w[i], f[i - 1]) #include <iostream> using namespace std;
[ACWing算法基础课]：第五章 - 动态规划
TBD的博客
02-15 3152
目录==背包问题 ★★★==（1） 0-1 背包问题（2）完全背包问题（3）多重背包问题（4）分组背包问题==线性DP ★★==（1）数字三角形（2）最长上升子序列 - LIS（3）最长公共子序列 - LCS（4）other - 最短编辑距离区间DP石子合并计数DP整数划分记忆化搜索滑雪 背包问题 ★★★ （1） 0-1 背包问题 （2）完全背包问题 （3）多重背包问题 （4）分组背包问题 线性DP ★★ （1）数字三角形 （2）最长上升子序列 - LIS （3）最长公共子序列 - LCS （4）other
AcWing刷题笔记（五）动态规划
一个憨憨写的胡言乱语
09-26 258
动态规划动态规划背包问题01背包问题 动态规划 背包问题 背包问题详细解答 01背包问题 有 N 件物品和一个容量是 V的背包。每件物品只能使用一次。第 i件物品的体积是 vi，价值是 wi。求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。输出最大价值。 输入格式 第一行两个整数，N，V，用空格隔开，分别表示物品数量和背包容积。接下来有 N行，每行两个整数 vi,wi，用空格隔开，分别表示第 i件物品的体积和价值。 输出格式 输出一个整数，表示最大价值。 数据范围 0<N,V
acwing动态规划（一）——背包问题
Stephen_Zhao0的博客
03-13 312
背包问题 核心思想 （1）01背包问题（物品只有1个） 二维数组 状态转移f[i][j] = max(f[i - 1][j] , f[i - 1][j - w[i]] + v[i]) #include <iostream> #include <algorithm> using namespace std; const int N = 1010; int f[N][N]...
Acwing - 算法基础课 - 笔记（动态规划 · 一）
vcj1009784814的博客
11-04 1096
文章目录动态规划（一）0-1 背包完全背包多重背包分组背包 动态规划（Dynamic Programming，简称DP）章节 从两个角度进行讲解 常用的DP模型 背包问题 DP的不同类型 线性DP 区间DP 状态压缩DP 树形DP 计数类DP 数位统计DP 动态规划没有代码模板，它更偏向数学，其比较核心的部分在于状态的表示和状态的转移。 共3小节，第一小节预计讲解背包问题。 动态规划（一） 什么是背包问题？ 背包问题的本质是，给定一堆物品和一个背包，每个物品有 体积 和 价值两种属性，在一些
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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