01背包 G

G
Speakless很早就想出国,现在他已经考完了所有需要的考试,准备了所有要准备的材料,于是,便需要去申请学校了。要申请国外的任何大学,你都要交纳一定的申请费用,这可是很惊人的。Speakless没有多少钱,总共只攒了n万美元。他将在m个学校中选择若干的(当然要在他的经济承受范围内)。每个学校都有不同的申请费用a(万美元),并且Speakless估计了他得到这个学校offer的可能性b。不同学校之间是否得到offer不会互相影响。“I NEED A OFFER”,他大叫一声。帮帮这个可怜的人吧,帮助他计算一下,他可以收到至少一份offer的最大概率。(如果Speakless选择了多个学校,得到任意一个学校的offer都可以)。
Input
输入有若干组数据,每组数据的第一行有两个正整数n,m(0<=n<=10000,0<=m<=10000)
后面的m行,每行都有两个数据ai(整型),bi(实型)分别表示第i个学校的申请费用和可能拿到offer的概率。
输入的最后有两个0。
Output
每组数据都对应一个输出,表示Speakless可能得到至少一份offer的最大概率。用百分数表示,精确到小数点后一位。
Sample Input
10 3
4 0.1
4 0.2
5 0.3
0 0
Sample Output
44.0%
Hint
You should use printf("%%") to print a ‘%’.
题目要求能拿到offer的概率,这个概率比较难算:当选择0.2和0.3时,概率计算为(0.20.7+0.3+0.8+0.20.3),所以我们可以取它的反面(0.7*0.8)用1减去这个数来求答案。动态转移方程f[j]=min(f[j],f[j-a[i]]*b[i])

#include<stdio.h>
#include<stdlib.h>
#include<string.h>
#include<math.h>
#include<iostream>
#include<algorithm>
#include<queue>
#include<map>
#include<cstdio>
#include<vector>
#include<set>
#include<cstring>
#include<cstdlib>
#include<time.h>
#include<stack>
using namespace std;
#define maxn 10005
int main()
{
	int n,m;
	int a[maxn];
	double f[maxn],b[maxn],b1;
	while(scanf("%d%d",&n,&m)){
		if((n==0)&&(m==0)) break;
		for(int i=0;i<m;i++)
			{
				scanf("%d%lf",&a[i],&b1);
				b[i]=1-b1;
			}
		for(int i=0;i<=n;i++)
			f[i]=1;
		for(int i=0;i<m;i++){
			for(int j=n;j>=a[i];j--)
				f[j]=min(f[j],f[j-a[i]]*b[i]);
		}
		double ans=1-f[n];
		printf("%.1lf%%\n",ans*100);
	}
  return 0;
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
粒子群算法(Particle Swarm Optimization, PSO)是一种启发式优化算法,常用于求解优化问题。对于 01 背包问题,可以将每个粒子看作一个可行解,粒子的位置表示背包中各个物品的选择情况,速度表示粒子在搜索空间中移动的方向和速度。粒子的适应度函数即为背包问题的价值函数。 具体实现步骤如下: 1. 初始化粒子群,随机生成一组初始解。 2. 计算每个粒子的适应度函数值,即背包问题的价值函数。 3. 找出当前粒子群中的最优解和全局最优解。 4. 根据当前的最优解和全局最优解来更新每个粒子的速度和位置。 5. 重复执行步骤 2~4,直到达到设定的停止条件。 PSO 算法的更新公式如下: $$v_{i,j} = wv_{i,j} + c_1r_1(p_{i,j}-x_{i,j}) + c_2r_2(g_j-x_{i,j})$$ $$x_{i,j} = x_{i,j} + v_{i,j}$$ 其中,$v_{i,j}$ 表示第 $i$ 个粒子在第 $j$ 个维度上的速度,$x_{i,j}$ 表示第 $i$ 个粒子在第 $j$ 个维度上的位置,$p_{i,j}$ 表示第 $i$ 个粒子历史最优位置,$g_j$ 表示全局最优位置,$r_1$ 和 $r_2$ 是两个随机数,$c_1$ 和 $c_2$ 是两个常数,$w$ 是惯性权重,可以逐渐减小以增加搜索的局部性。 对于 01 背包问题,可以将每个粒子的位置表示为一个 0/1 数组,表示每个物品是否被选择。每次更新位置时,需要保证每个粒子的位置都是合法的,即背包容量不超过限制。可以通过惩罚函数的方式来保证位置的合法性,将超出背包容量限制的位置的适应度函数值设为一个极小值。 PSO 算法的优点是易于实现,收敛速度快,但也存在着过早收敛和局部最优解等问题。可以通过调整算法的参数和增加多样性来解决这些问题。
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