背包问题合集

已于 2023-09-14 16:56:30 修改
阅读量102 收藏
点赞数 2
分类专栏： 五、动态规划 文章标签： 算法
于 2023-09-12 12:20:55 首次发布
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_62652820/article/details/132826240
版权

一、01背包问题

1.1 01背包求最大价值

题目描述

题目链接：2. 01背包问题 - AcWing题库

思路

对于01背包，我们需要考虑2个方面，我们需要考虑选择哪些物品使价值最大，同时也要考虑体积问题。我们可以用一个二维数组来维护。对于f[i][j] ，i维持物品的种类，j维持空间的大小，值存的就是当前最大的价值。

对于集合f，我们要考虑条件，也就是题目上的限制，对于这个模板题，我们要从前i个物品中选，总体积小于j的。

对于属性，一般有max、min、数量……（即f存的值存要求的属性）,这道题里找的最大值

状态计算本质就是集合的划分

代码

#include<iostream>
 
using namespace std;
 
const int N=1e4+10;
 
int n,m;
int v[N],w[N];
int f[N][N];
 
int main()
{
    scanf("%d %d",&n,&m);//n种物品，背包总体积为m
    for(int i=1;i<=n;i++)//输入n种物品，和每种的价值
        scanf("%d %d",&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];//不选物品i
            if(j>=v[i])//当体积大于v[i]时才有能装i的机会
                f[i][j]=max(f[i][j],f[i-1][j-v[i]]+w[i]);//选物品i
        }
    printf("%d",f[n][m]);
    return 0;
}

一维优化

我们先举个例子

由于我们计算f[i]层时，只用到的f[i-1]层的数据

所以对于

f[i][j]=f[i-1][j];

我们可以删除第i维，就变成

f[j]=f[j]

所以这一行可以直接删去.

对于j，我们从0~m遍历，此时循环里就一个if循环，

if(j>=v[i])//当体积大于v[i]时才有能装i的机会
    f[i][j]=max(f[i][j],f[i-1][j-v[i]]+w[i]);

我们在j大于v[i]时才进行操作，不如直接让j从v[i]枚举，这样我们就可以省去if循环，变成

for(int j=v[i];j<=m;j++)
    f[i][j]=max(f[i][j],f[i-1][j-v[i]]+w[i]);

此时循环里的语句也要删去i维，如果我们直接删去i维，即

f[j]=max(f[j],f[j-v[i]]+w[i])

由于j是从小到大枚举，且j-v[i]<j，所以我们在枚举到j时，j-v[i]在之前肯定算过了
为什么一维情况下枚举背包容量需要逆序？

在二维情况下，状态f[i][j]是由上一轮i - 1的状态得来的，f[i][j]与f[i - 1][j]是独立的。

而优化到一维后，如果我们还是正序，则有f[较小体积] 更新到 f[较大体积]，则有可能本应该用第i-1轮的状态却用的是第i轮的状态。

例如，一维状态第i轮对体积为3的物品进行决策，则f[7]由f[4]更新而来，这里的f[4]正确应该是f[i - 1][4]，

但从小到大枚举j这里的f[4]在第i轮计算却变成了f[i][4]。

当逆序枚举背包容量j时，我们求f[7]同样由f[4]更新，但由于是逆序，这里的f[4]还没有在第i轮计算，所以此时实际计算的f[4]仍然是f[i - 1][4]。

简单来说，一维情况正序更新状态f[j]需要用到前面计算的状态已经被「使用过」，逆序则不会有这样的问题。所以对于j我们要从大到小遍历

代码

#include<iostream>
 
using namespace std;
 
const int N=1e4+10;
 
int n,m;
int v[N],w[N];
int f[N];
 
int main()
{
    scanf("%d %d",&n,&m);
    for(int i=1;i<=n;i++)
        scanf("%d %d",&v[i],&w[i]);

    for(int i=1;i<=n;i++)//枚举物品i
        for(int j=m;j>=v[i];j--)//从大到小枚举
            f[j]=max(f[j],f[j-v[i]]+w[i]);
    printf("%d",f[m]);
    return 0;
}

1.2 01背包求方案数

题目描述

题目链接：278. 数字组合 - AcWing题库

思路

和上述求最大值的思路基本相同，

对于本题我们可以把每个 正整数 看作是一个 物品

正整数的值就是物品的 体积

我们方案选择的目标是最终 体积 恰好为 m 时的方案数

注意要初始化，这里需要初始化f[0][0]=1，即在0个物品，值恰好为0时的方案数为1

二维代码

#include<iostream>

using namespace std;

const int N=110;

int n,m,f[N][100005];
int v[N];

int main()
{
    scanf("%d %d",&n,&m);
    for(int i=1;i<=n;i++)
        scanf("%d",&v[i]);
    f[0][0]=1;//当可选数字为0,和为0时也是一种
    for(int i=1;i<=n;i++)
    {
        for(int j=0;j<=m;j++)//和恰好为j时
        {
            f[i][j]=f[i-1][j];//不选时
            if(v[i]<=j)
                f[i][j]+=f[i-1][j-v[i]];//选第i个时直接加上,选不选都是符合的方案
        }
    }
    printf("%d",f[n][m]);
    return 0;
}

一维代码

优化过程和01背包一样

#include<iostream>

using namespace std;

const int N=1e4+10;

int n,m,f[N],v[N];

int main()
{
    scanf("%d %d",&n,&m);
    for(int i=1;i<=n;i++)
        scanf("%d",&v[i]);
    f[0]=1;//当可选数字为0,和为0时也是一种
    for(int i=1;i<=n;i++)
        for(int j=m;j>=v[i];j--)
            f[j]+=f[j-v[i]];
    printf("%d",f[m]);
    return 0;
}

1.3 01背包——二维费用

题目描述

题目链接

8. 二维费用的背包问题 - AcWing题库

思路

每件物品只能 用一次 ，所以这是一个01背包模型

费用一共有两个，一个是 体积V，一个是 重量M，我们用2个维度来维护

代码

#include<bits/stdc++.h>

using namespace std;

const int N=1e3+10;

int n,m1,m2;//1是体积 2是重量
int f[N][N];//在前i种物品中,第一费用体积不超过j，第二费用重量不超过k的所有方案
int w[N],v1[N],v2[N];

int main()
{
    scanf("%d %d %d",&n,&m1,&m2);
    for(int i=1;i<=n;i++)
        scanf("%d %d %d",&v1[i],&v2[i],&w[i]);
    for(int i=1;i<=n;i++)
        for(int j=m1;j>=v1[i];j--)//枚举体积
            for(int k=m2;k>=v2[i];k--)//枚举重量
                f[j][k]=max(f[j][k],f[j-v1[i]][k-v2[i]]+w[i]);
    printf("%d",f[m1][m2]);
    return 0;
}

二、完全背包问题

2.1 完全背包求最大价值

题目描述

题目链接：3. 完全背包问题 - AcWing题库

思路

与01背包稍有不同，这里每个物品我们都可以选任意个，

朴素版代码

#include<iostream>

using namespace std;

const int N=1e4+10;

int n,m;
int v[N],w[N];
int f[N][N];

int main()
{
    scanf("%d %d",&n,&m);
    for(int i=1;i<=n;i++)
        scanf("%d %d",&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++)//体积不能大于j
                f[i][j]=max(f[i][j],f[i-1][j-v[i]*k]+w[i]*k);
    printf("%d",f[n][m]);
    return 0;
}

优化过程

我们观察 不选物品i的状态f[i.j]和 选1个物品i的状态f[i.j-v]，看看它们都代表上一维中哪部分的最大值

f[i , j ] = max( f[i-1,j] , f[i-1,j-v]+w ,  f[i-1,j-2*v]+2*w , f[i-1,j-3*v]+3*w , ....., f[i-1,j-k*v]+k*w )
f[i , j-v]= max(            f[i-1,j-v]   ,  f[i-1,j-2*v] + w , f[i-1,j-3*v]+2*w , ....., f[i-1,j-(k-1)*v]+(k-1)*w )

我们可以看出只有f[i][j]中的f[i-1][j]特殊，后面所有项，都可以通过f[i][j-v]+w实现。

由上两式，可得出如下递推关系： 

f[i][j]=max(f[i,j-v]+w , f[i-1][j]) 

所以不需要枚举数量k，优化后如下

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]>=0)
            f[i][j]=max(f[i][j],f[i][j-v[i]]+w[i]);
    }

此时和01背包的代码基本相同

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]>=0)
            f[i][j]=max(f[i][j],f[i-1][j-v[i]]+w[i]);
    }

只有1句不同

f[i][j]=max(f[i][j],f[i-1][j-v[i]]+w[i]);//01背包
f[i][j]=max(f[i][j],f[i][j-v[i]]+w[i]);//完全背包问题

那么可以像01背包那样优化：

for(int i=1;i<=n;i++)
    for(int j=v[i];j<=m;j++)//注意了，这里的j是从小到大枚举，和01背包不一样
            f[j]=max(f[j],f[j-v[i]]+w[i]);

这里为什么从小到大，还是有些不太清楚。后续有新的理解会更新。个人当前的理解是：01背包用的是第i-1维状态的值，而完全背包用的是第i维的值，01背包中，从大到小枚举是怕i-1维的值被i维的覆盖了，而完全背包需要的就是第i维的值，所以需要从小到大。

优化后代码

#include<iostream>
 
using namespace std;
 
const int N=1e4+10;
 
int n,m;
int v[N],w[N];
int f[N];
 
int main()
{
    scanf("%d %d",&n,&m);
    for(int i=1;i<=n;i++)
        scanf("%d %d",&v[i],&w[i]);
         
    for(int i=1;i<=n;i++)
        for(int j=v[i];j<=m;j++)//从小到大，与01背包问题不同
            f[j]=max(f[j],f[j-v[i]]+w[i]);
    printf("%d",f[m]);
    return 0;
}

2.2 完全背包求方案数

题目描述

题目链接：1023. 买书 - AcWing题库

思路

每种书我们可以看成1种 物品

书的价格 就是物品的 费用

每种书的 数目任意（不超过总钱数）

由此可知是完全背包问题

注意初始化！f[0][0]=1，不买也是一种方案

因为是完全背包，也能按照完全背包的方法优化

代码


//朴素版
#include<iostream>

using namespace std;

const int N=1e3+10;

int n;
int f[10][N];
int v[5]={0,10,20,50,100};

int main()
{
    scanf("%d",&n);
    f[0][0]=1;
    for(int i=1;i<=4;i++)
        for(int j=0;j<=n;j++)//前i种物品不超过j元的所有方案数
            for(int k=0;k*v[i]<=j;k++)//k个i
                f[i][j]+=f[i-1][j-k*v[i]];
    printf("%d",f[4][n]);
    return 0;
}

*/

//优化后
#include<iostream>

using namespace std;

const int N=1e3+10;

int n;
int f[N];
int v[5]={0,10,20,50,100};

int main()
{
    scanf("%d",&n);
    f[0]=1;
    for(int i=1;i<=4;i++)
        for(int j=v[i];j<=n;j++)
                f[j]+=f[j-v[i]];
    printf("%d",f[n]);
    return 0;
}

2.2 完全背包——二维费用

题目描述

思路

代码

三、多重背包问题

3.1 多重背包求最大价值

题目描述

题目链接：4. 多重背包问题 I - AcWing题库

思路

n种物品，每种我们最多选s个，总体积不超过m。与完全背包基本一样，就是限制了个数。

朴素版代码

#include<iostream>
#include<algorithm>
 
using namespace std;
 
const int N=1e4+10;//n*m
 
int n,m,v[N],w[N],s[N];
int f[N][N];
 
int main()
{
    scanf("%d %d",&n,&m);
    for(int i=1;i<=n;i++)
        scanf("%d %d %d",&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++)
                f[i][j]=max(f[i][j],f[i-1][j-v[i]*k]+k*w[i]);
    printf("%d",f[n][m]);
    return 0;
}

优化过程

由于和完全背包很像，这里我们试试能不能像完全背包一样优化

观察f[i][j]和发f[i][j-v]：

f[i , j ] = max( f[i-1,j] , f[i-1,j-v]+w ,  f[i-1,j-2*v]+2*w , f[i-1,j-3*v]+3*w , .....f[i-1,j-s*v]+s*w)
f[i , j-v]= max(            f[i-1,j-v]   ,  f[i-1,j-2*v] + w , f[i-1,j-3*v]+2*w , .....f[i-1,j-s*v]+(s-1)*w,f[i-1,j-(s+1)*v]+s*w)

我们发现由于多了一项f[i-1,j-(s+1)*v]+s*w不符合规律，不能像完全背包那样优化。

我们每次都需要遍历一遍物品i的数量，可以从这方面入手，可以用2进制来优化一下数量表示。

对于s个，我们可以把s硬拆，用2进制表示，

如s=1023,我们可以拆为1,2,4,8,16,……512

每个依次选或者不选，就可以组成0~1023中的每一个数，这是2^n -1类的数

再如一个普通的数s=200，我们可以拆成1,2,4,8,16,32,64,73，应该加起来刚好为s。

这样就可以转化为一个01背包问题，我们对拆开的数字依次选或者不选，也能组成每一个数，并不会有遗漏情况。

这样就把O(n)优化为O（logn）。

优化后代码

#include<iostream>
#include<algorithm>
 
using namespace std;
 
const int N=1e4+10;//n*m
 
int n,m,v[N],w[N],f[N];
 
int main()
{
    scanf("%d %d",&n,&m);
    int cnt=0;//cnt写外面就是为了让后面输入的v[i],w[i]不把前面的顶掉
    for(int i=1;i<=n;i++)
    {
        int a,b,s;//体积a,价值b，个数s
        scanf("%d %d %d",&a,&b,&s);//s个
         
        int k=1;//记录个数
        while(k<=s)//按照1 2 4 8等二进制表示方法将个数s拆分
        {
            cnt++;
            v[cnt]=k*a;//k个物品的体积
            w[cnt]=k*b;//k个物品的价值
            s-=k;
            k*=2;
        }
        if(s)//如果有剩余，另加一个表示   
        {
            cnt++;
            v[cnt]=s*a;
            w[cnt]=s*b;
        }
         
    }
    n=cnt;//现在的个数就是拆分后的个数，拆分完之后就是01背包问题了
    for(int i=1;i<=n;i++)
        for(int j=m;j>=v[i];j--)
            f[j]=max(f[j],f[j-v[i]]+w[i]);
    printf("%d",f[m]);
    return 0;
}

3.2 多重背包求方案数

题目描述

题目链接：P1077 [NOIP2012 普及组] 摆花 - 洛谷 | 计算机科学教育新生态 (luogu.com.cn)

思路

n种花，每种花可以看成一种 物品 

每盆花的体积为1

每种花最多选ai盆，有上限

可以看出是多重背包问题

记得初始化:f[0][0]=1

代码

#include<iostream>
 
using namespace std;
 
const int N=110;
const int mod=1e6+7;
typedef long long ll;
 
int n,m,s[N];//s代表个数上限 
ll f[N][N];
 
int main()
{
    scanf("%d %d",&n,&m);
    for(int i=1;i<=n;i++)
        scanf("%d",&s[i]);
    f[0][0]=1;
    for(int i=1;i<=n;i++)
        for(int j=0;j<=m;j++)
            for(int k=0;k<=min(s[i],j);k++)
                f[i][j]=(f[i][j]+f[i-1][j-k])%mod;
    printf("%lld",f[n][m]%mod);
    return 0;
}

3.1 多重背包——二维费用

题目描述

思路

代码

四、分组背包问题

4.1 分组背包求最大值

题目描述

题目链接：9. 分组背包问题 - AcWing题库

思路

分组背包问题，是我们有一个体积为m的背包，给定了在n组物品中，我们在每组中至多选择一个（也可以不选），求最大价值。

我们只需要用二维数组分别记下体积和价值，选的过程和01背包差不多。只是多一维k表示我们选的第k个

朴素版代码

#include<iostream>
#include<algorithm>
 
using namespace std;
 
const int N=110;
int n,m,s[N];
int v[N][N],w[N][N];
int f[N][N];
 
int main()
{
    scanf("%d %d",&n,&m);
    for(int i=1;i<=n;i++)//n组
    {
        scanf("%d",&s[i]);
        for(int j=1;j<=s[i];j++)
            scanf("%d %d",&v[i][j],&w[i][j]);
    }
     
    for(int i=1;i<=n;i++)
    {
        for(int j=0;j<=m;j++)
        {
            f[i][j]=f[i-1][j];//不选i
            for(int k=0;k<=s[i];k++)//选第k个
                if(j>=v[i][k])
                    f[i][j]=max(f[i][j],f[i-1][j-v[i][k]]+w[i][k]);
        }
    }
 
    printf("%d",f[n][m]);
    return 0;
}

优化过程

按照01背包逆向枚举体积来优化

优化后代码

#include<iostream>
using namespace std;
const int N=110;
int n,m;
int v[N][N],w[N][N],s[N];
int f[N];
 
int main()
{
    scanf("%d%d",&n,&m);
    for(int i=1;i<=n;i++)
    {
        scanf("%d",&s[i]);
        for(int j=1;j<=s[i];j++)
            scanf("%d %d",&v[i][j],&w[i][j]);
    }
    for(int i=1;i<=n;i++)
        for(int j=m;j>=0;j--)
            for(int k=0;k<=s[i];k++)
                if(j>=v[i][k])
                    f[j]=max(f[j],f[j-v[i][k]]+w[i][k]);
    printf("%d",f[m]);
    return 0;
}

五、背包路径问题

背包问题合集-动态规划算法的应用
编程小鹏的博客
08-16 114
没有说物品要放完、容量要用完。所以要枚举物品、容量。同一种物品可以放入0、1、……
每日刷题计划Day5+Day6+Day7+Day8-动态规划+背包问题合集
布屿
01-27 689
题源：ACwing 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≤1000 0<vi,wi≤100
YBTOJ 背包问题合集
zcxxn的博客
08-20 190
采药问题 货币系统 宝物筛选 硬币方案 金明的预算方案 求好感度 购买商品 魔法开锁 购买礼物 课题选择
【蓝桥杯专项】动态规划_背包问题合集(Java)
冲击大厂之路!!!
11-13 1995
动态规划_背包问题合集(Java)
动态规划：背包问题合集
weixin_40573595的博客
08-23 34
01背包定义dp[i][j]：在前i件物品中选出若干件，放入容量为j的背包，能获得的最大价值。考虑第i件物品拿还是不拿。讨论c[i]与背包容量的关系：（1）j < c[i] 时，背包容量为j，而第i件物品重量大于j只能选择不拿：f[i][j] = f[i-1][j] ( 2) j >= c[i] 时，背包可以...
01背包问题合集 蓝桥OJ
2301_77138117的博客
04-09 392
用二维数组dp判断最大价值，i表示物品数量，j表示物品体积，如果 j > V 则无需继续， j >= w 物品还能再增加，同样价值也增加，否则继承之前的价值，在之间找Max，最大价值。3.当j>=c时， dp[i][j] = max(dp[i-1][j-c]+d , max(dp[i-1][j]+e, dp[i-1][j-a]+b))2.当j >= a and j < c时， dp[i][j] = max(dp[i-1][j]+e, dp[i-1][j-a]+b)跟 盗墓分赃 一模一样。
算法：背包问题合集（基本囊括了全部背包问题的原始模型）
weixin_46013817的博客
02-01 648
01背包问题 思路 每件物体只能使用一次，在固定容量的情况下，可以放入的最大价值。 当只使用前i件物品时，可以获得的最大价值一定是大于等于只使用前i-1件物品的。因此当不包含第i件物品时，f[i][j] = f[i-1][j]当包含第i件物品需要满足条件v[i] <= j此时f[i][j] = max(f[i][j], f[i-1][j-v[i]]+w[i]) 问题描述 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
常见背包问题合集
boguesfei的博客
07-07 643
01背包： 有nPack件物品和一个容量为nMaxVolume的背包。（每件物品只有一件）第i件物品的费用是c[i],价值是v[i],求解将哪些物品装入背包使总价值最大。转移方程：f[i][nMaxVolume]=max{f[i-1][nMaxVolume],f[i-1][nMaxVolume-c[i]]+v[i]}，可以优化只用一维数组.代码如下：    int [] record=new in...
01背包问题合集
oinei的博客
03-19 642
1.hdu 5616 Jam’s balanceJim has a balance and N weights. (1≤N≤20) The balance can only tell whether things on different side are the same weight. Weights can be put on left side or right side arbitra
Leetcode 背包问题汇总
No_Game_No_Life_的博客
06-10 2102
文章目录背包月背包：大小与数量 背包月 本月是背包月，接连出了好几个背包问题，其难点在于对于问题的建模和分析。 比如下面两道题： 474. 一和零 494. 目标和 这两道题的不同点在于： 前者是求大小，而后者是求数量。 又比如下面这道题： 1049. 最后一块石头的重量 II 它的解法实际上就是一个典型的求大小的01背包问题——容量有限情况下的问题，而难点在于“建模”。 ttodo 硬币 又比如背包问题的变种： 1449.数位成本和为目标值的最大数字 这是无限可拿的完全背包问题，容量有限而可装
自己用的MOD合集.深海潜航.扩大背包等实用
12-16
标题中的“自己用的MOD合集.深海潜航.扩大背包等实用”表明这是一个包含MOD（游戏模组）的集合，主要用于深海探索类的游戏，特别是提到了“深海潜航”这款游戏，并且这些MOD可能增加了游戏的功能，如扩展了玩家的...
深入浅出零钱兑换问题——背包问题的套壳
虚幻私塾
07-30 419
在本篇文章当中主要通过介绍两个算法题，从最基本的问题开始深入浅出零钱兑换问题，帮助大家从动态规划的本源深入理解问题当中的原理，并且学会自己分析问题，分析数据之间的依赖关系，通过分析这种关系自己推导算法的优化过程，再也不怕类似于背包问题的算法题了。零钱兑换在本篇文章当中主要给大家介绍了两道零钱兑换的问题，在本文当中的这两道题目都是属于完全背包的变种，如果要彻底弄懂这个问题的话就需要好好分析动态转移方程和数据之间的依赖关系，通过分析数据之间的依赖关系，我们自己也可以从零推导优化过程。01背包的变种问题了。...
C++入门基础知识150—【关于C++ 输入/输出运算符重载】
zhaoylzy的博客
11-16 1034
关于【C++输入/输出运算符重载】 一、什么是输入/输出运算符 二、什么是输入输出运算符重载 三、输入输出运算符重载格式 四、输入输出运算符重载参数之间的区别 五、重载提取运算符 >> 和插入运算符
java计算文本相似度算法总结
sunsiny
11-14 914
计算两个字符串之间的最小单字符编辑（插入、删除、替换）次数。这是一种衡量字符串差异性的方法，常用于拼写检查和模糊匹配。：一种基于 Jaro 相似度的改进算法，特别适用于拼写检查和模糊匹配。：计算两个字符串之间的最长公共子序列长度，常用于文本差异比较。：通过计算两个字符串的 n-gram 向量的余弦夹角来评估它们的相似度。：基于子串的字符串相似度计算方法，计算它们共有的Q-gram（长度为Q的连续子串）的数量，然后将这个数量除以两个字符串中Q-gram数量较少的那个，得到相似度的比例。
详解八大排序（三）------（快速排序）
2302_80836956的博客
11-17 681
快速排序的本质是找到数组中的中间值，然后从中间值对半二分数组，再从二分之后的两个数组里面找到新的中间值，再二分。直到数组全部二分完成，无法二分之后，再返回数组。那么，问题来了。我们应该如何找到这个中间值呢？下面我会介绍三个找到中间值的方法。
【循环测试试题3】小X与数字三角形
Lonely_Boos的博客
11-16 217
共n行，第i行包含i个正整数，每个整数占五列。读入一个正整数n，输出一个n行的数字三角形。一行一个正整数n，2
数据库范式、MySQL 架构、算法与树的深入解析
lrh35的博客
11-11 1453
在数据库设计中，范式是一系列规则，用于确保数据的组织和存储具有良好的结构、完整性以及最小化的数据冗余。如果不遵循范式设计，数据可能会以平铺式罗列，仅使用冒号、分号等简单分隔。这种方式存在诸多弊端，例如在数据搜索时极为不便，数据修改也会变得十分棘手。由此，范式的概念应运而生。
算法刷题集合
最新发布
Tsmall_的博客
11-17 228
CCF：CCF-CSP认证题解集1（较新）：题解2（较老）：洛谷刷题：NOIP：ICPC-约瑟夫环：POJ：题解：POJ和HDU：HDU与（acm）：
背包问题详解：从小数到多重背包
文档以农场主约翰为Bessie制作音乐合集为例，展示了如何利用背包问题的理论来解决实际问题，即在有限的时间内选择最优的歌曲组合以最大化产奶量。 接着，文档详细讲解了三种类型的背包问题： 1. **小数背包问题**...
评论
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