leetcode/nowcoder-huawei-7-深搜

7.深搜

HJ41. 称砝码

  1. 描述

    现有n种砝码,重量互不相等,分别为 m1,m2,m3…mn ;
    每种砝码对应的数量为 x1,x2,x3...xn 。现在要用这些砝码去称物体的重量(放在同一侧),问能称出多少种不同的重量。
    注:称重重量包括 0
    
    数据范围:每组输入数据满足1≤n≤10,1≤mi≤2000,1≤xi≤10
    输入描述:
    对于每组测试数据:
    第一行:n --- 砝码的种数(范围[1,10])
    第二行:m1 m2 m3 ... mn --- 每种砝码的重量(范围[1,2000])
    第三行:x1 x2 x3 .... xn --- 每种砝码对应的数量(范围[1,10])
    输出描述:
    
    利用给定的砝码可以称出的不同的重量数
    示例1
    输入:
    	2
    	1 2
    	2 1
    输出:
    	5
    说明:可以表示出0,1,2,3,4五种重量。
    
  2. 思路

    列举所有砝码到一个数组,使每个选择只有1和0

    全排列并添加到map,获取map的尺寸

  3. 代码

    #include <iostream>
    using namespace std;
    #include <vector>
    
    int getWeights(vector<int> weight, int max) {
        auto iter =weight.begin();
        int dp[max+1] = {0};
        dp[0] = 1;
        int num = 0;
        for(int i = 1; i <= weight.size(); i++) {
            for(int j = max; j >= 0; j--) {
                if(j >= *iter && dp[j - *iter])
                    dp[j] = 1;
            }
            iter++;
        }
        for(int i = 0; i <= max; i++)
            if(dp[i])   num++;
        cout << num << endl;
    }
    
    int main() {    
        int n;
        cin >> n;
        vector<int> m(n);
        vector<int> x(n);
        vector<int> weight;
        int max = 0;
        int w,s;
        for(int i = 0; i < n; i++)
            cin >> m[i];
        for(int i = 0; i < n; i++) {
            cin >> x[i];
            max += m[i] * x[i];
            s = x[i];
            for(int j = 1; j < s; j*=2) {
                weight.push_back(m[i] * j);
                s -= j;
            }
            if(s > 0)   weight.push_back(m[i] * s);
        }
        getWeights(weight,max);
        return 0;
    }
    
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
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