CSP 何以包邮

题目

http://118.190.20.162/view.page?gpid=T152

思路

1. 暴力枚举所有情况，能过70%；
2. 回溯+剪枝，能过70%。应该还可以有其他优化，我的只过70.
3. 类比背包问题 动态规划。这个需要反向思考。
   如一个例子：
   books: 20 30 60 60 90 计算得到所有数的和 sum:260 limit: 100
   目的是找到一个组合的和是 超过limit的最小值，那么反过来就是，找到一个组合的和是 不超过sum-limit的最大值。
   这里可以转化为，找到一个组合的和是不超过 sum-limit=160的最大值，也就相当于背包问题中，限制了背包容量，求这个容量下能获得的最大价值。
   值得注意的是，背包问题中每个物品都有容量和价值两个属性，目的是最大化价值。然而，上面转化后只有一个容量属性，没有价值属性，目的是最大化容量。那么，容量就视为价值。
   就上面例子：
   容量160，可以选60 90 这个组合，容量150是不超过160的最大容量，同时也是要找的‘最大价值’。

代码

n, limit = map(int, input().split())
nums = [0] * (n+1)
sum = 0
for i in range(1, n+1):
    nums[i] = int(input())
    sum += nums[i]
'''
目的：用nums中的数组合 超过limit的最小值 转换为 不超过 sum - limit 的最大值，看作背包问题
将 sum - limit 作为背包容量，求这个容量下最大价值 
如：20 30 60 60 90 sum=260, limit = 100, V = sum - limit = 160
用容量为160的背包，找价值最大的组合（隐含了，将价值视作和物品容量等值）
'''
V = sum - limit 
# initialize dp : (n + 1) * ( V + 1)
dp = [[0]*(V+1) for i in range(n+1)]

# dp: dp[i][j] for max value when choosing from top i objects
for i in range(1, n+1):
    for j in range(1, V+1):
        # check if nums[i] can be choosed
        if j < nums[i]:
            dp[i][j] = dp[i-1][j]
        else:
            dp[i][j] = max(dp[i-1][j], dp[i-1][j-nums[i]] + nums[i])
print(sum - dp[n][V])

总结

1. 将超过limit的最小值转化为不超过sum-limit的最大值，从而转换为背包问题，逆向思维，转化思想。
2. 根据问题的目的，这里需要将容量和价值看作等价的。