(不一样的递归思想,值得再看。)
题目链接:
# https://exp-blog.com/algorithm/poj/poj1416-shredding-company/ # https://blog.csdn.net/lyy289065406/article/details/6647969
一 特别注意
1. 关于递归思路,参考别人的设计思想:
以“12346”为例,当进行深度搜索时:
第一步,先切下一个“1”,然后递归去切“2346”;
第二步,再切下一个“12”,然后递归去切“346”;
第三步,再切下一个“123”,然后递归去切“46”;
第四步,再切下一个“1234” 然后递归去切“6”
第五步,再切下“12346”。
PS:我没有进行第五步拆分,而是在初始阶段对第五步这种特殊情况进行了判断处理;这样的话,可以保证每次拆分字符串都可以拆成前后两段:
## 循环
E = len(Data)
store = []
for i in range(E-1): # 拆成前后两个字符串
store.append([Data[:(i+1)],Data[i+1:]])
2. 特别地,当遇到满足条件的方案后,要考虑特殊处理:
2.1 将当前方案加入到列表中,继续分析:
2.2.1 当前方案中节点长度大于1时,算法不进行回溯,而是继续执行,寻找新的可行方案
2.2.2 当前方案中节点的长度为1时,算法进行回溯;回溯之后,弹出当前的节点,再继续寻找新的方案,而不是return至上一层。
2.2.3 特别注意:在执行上述过程时,要修改相应的参数信息。(具体见dfs子程序)
2.2 另外,递归过程不要直接更新队列的值,也不要将队列直接赋值给新变量。否则,队列一经修改,其他变量也会更改。
3 在保存方案时:(体现在第二版中)
3.1 如果当前方案的和值更大,则清空原有方案,再存储当前方案
3.1 如果当前方案的和值等于之前方案的和值,那么在存储当前方案之前不必清空原有方案。
二 代码实现
版本二:20211226
# 20211226 重做
# http://poj.org/problem?id=1416
import collections
class Solutions:
def DFS(self):
self.TARGET = 0
self.ways = [] # 用于存放方案
self.Sum_count = collections.defaultdict(list) #保存当前部分和所出现的次数
LEN = len(subData)
store = []
## 1 将数据划分为两个子串,对后一个子串进行DFS搜索
for i in range(LEN-1):
store.append([subData[:i+1],subData[i+1:]])
LEN = len(store)
## 对每一组子串进行分析处理
for i in range(LEN):
# 取出待处理的数据
sub1 = store[i][0]
sub2 = store[i][1]
# 处理:
sum = 0 + int(sub1)# 部分和sum
# 判断部分和是否超过了目标
if sum < int(target):
queue = [sub1]
self.dfs(sub2,sum,queue)
## 对所有方案进行分析
return self.ways
def dfs(self,date,sum,queue):
## 2 首先判断是否满足目标要求,满足则保存方案;然后,进一步判断date的长度是否为1,为1则返回,否则继续拆分成子串+DFS搜索
if sum + int(date) <= int(target):
# 判断其部分和是否更大
if sum + int(date) > self.TARGET: # 1 当大于时,获得更大值,在存储之前清空一下
self.TARGET = sum + int(date)
# 清空原有方案和字典
self.ways = []
self.Sum_count = collections.defaultdict(list) # 保存当前部分和所出现的次数
# 保存当前方案,注意:保证顺序不要乱
new_queue = []
new_queue.append(date) # 先添加到队头
for qi in queue:
new_queue.append(qi) # 依次加入元素
#
new_queue.append(date) # 再添加到队尾
new_queue.pop(0) # 再去掉队头
self.ways.append(new_queue)
# 保存当前的部分和所出现的次数
self.Sum_count[sum + int(date)] = self.Sum_count.get(sum + int(date),0) + 1
elif sum + int(date) == self.TARGET: # 当等于当前的最大值时,存储之前不清空
# 保存当前方案,注意:保证顺序不要乱
new_queue = []
new_queue.append(date) # 先添加到队头
for qi in queue:
new_queue.append(qi) # 依次加入元素
#
new_queue.append(date) # 再添加到队尾
new_queue.pop(0) # 再去掉队头
self.ways.append(new_queue)
# 保存当前的部分和所出现的次数
self.Sum_count[sum + int(date)] = self.Sum_count.get(sum + int(date), 0) + 1
## 考虑一下,这里是否需要return
### 如果date长度等于1,则return;否则继续执行——
if len(date) == 1:
return
#### 3
# 将数据拆分成子串
LEN = len(date)
store = []
## 1 将数据划分为两个子串,对后一个子串进行DFS搜索
for i in range(LEN - 1):
store.append([date[:i + 1], date[i + 1:]])
LEN = len(store)
## 对每一组子串进行分析处理
for i in range(LEN):
# 取出待处理的数据
sub1 = store[i][0]
sub2 = store[i][1]
# 处理:
sum = sum + int(sub1) # 部分和sum
# 判断部分和是否超过了目标
if sum <= int(target):
##
new_queue = []
new_queue.append(sub1) # 先添加到队头
for qi in queue:
new_queue.append(qi) # 依次加入元素
new_queue.append(sub1) # 再添加到队尾
new_queue.pop(0) # 再去掉队头
##
self.dfs(sub2, sum, new_queue)
# 再进行下一次搜索之前,恢复状态
sum = sum - int(sub1)
new_queue.pop()
else:
return
return
## 这个题目,需要特别注意查询所有可行的方案
data = []
target_data = []
while True:
n,m = map(str,input().strip().split())
if n =='0' and m =='0':
break
else:
target_data.append(n)
data.append(m)
# print(data)
## Case总数
N = len(data)
for case in range(N):
# 获得初始数据
subData = data[case]
target = target_data[case]
# 1 初始判断
##1.1 数据等于目标数据,直接输出
if subData == target:
print(target+' '+subData)
continue
##1.2 逐个裁剪成单个数字
len_str = len(subData)
res_int = []
res_str = ''
sum = 0
for str_i in range(len_str):
res_int.append(int(subData[str_i]))
res_str = res_str + ' ' + subData[str_i]
sum = sum + int(subData[str_i])
###1.2.1 目标数据小于最小和,报错
if int(target) < sum:
print('error')
continue
###1.2.2 目标数据等于最小和,且数据中无0元素
if int(target) == sum and 0 not in res_int:
print(str(sum)+' '+ res_str.strip())
# 2 DFS处理数据
test = Solutions()
ways = test.DFS()
if len(ways)>1:
print('rejected')
else:
way = ways[0]
ans_sum = 0
res = ''
for wi in way:
res = res + ' ' + wi
ans_sum = ans_sum + int(wi)
print(str(ans_sum) + ' ' +res.strip())
版本一
# POJ 1416 - Shredding Company
# https://exp-blog.com/algorithm/poj/poj1416-shredding-company/
# https://blog.csdn.net/lyy289065406/article/details/6647969
import collections
class Solution:
def DFS(self,target,subData):
self.target = int(target)
# 记录方案
self.ways = collections.defaultdict(list)
# 记录出现的Sum的类别及数目
self.Sum_dict = collections.defaultdict(list)
# 给定一个初始Sum值0,找到一个最大且不超过Target的Sum,并且记录该方案至self.ways
# 初始Sum
self.Sum_pre = 0
self.dfs(subData,0,[],False)
return self.ways
def dfs(self,Data,Sum,parent,Flag):
# 1 对于队列而言,首先将其转存为新的变量,便于实现回溯时的状态恢复
new_parent = []
for i in parent:
new_parent.append(i)
## 2 判断是否终止
if Flag == True:# 是否叠加到了最后一串字符呢?
# 求和
Sum = Sum + int(Data)
if Sum >= self.Sum_pre and Sum<= self.target:
# 更新获取更大的和
self.Sum_pre = Sum
# 保存当前的节点Sum
self.Sum_dict[Sum] = self.Sum_dict.get(Sum,0) + 1; # 统计出现同一Sum的次数
## 将方案保存
# new_parent.append(Data)
temp_way = [] #为了防止new_parent引起self.ways更新,此处重新赋值
for i in new_parent:
temp_way.append(i)
temp_way.append(Data)
self.ways[Sum].append(temp_way)
## 特别处理——当Data仍然可拆分时,需要进一步拆分
if len(Data)>=2: #当Data仍然可拆分时,需要进一步拆分
# 这里要恢复new_parent
# new_parent.pop() #弹出最后加入的点
Sum = Sum - int(Data) # 拆分之前,恢复数据
else:
return # 如果没必要再分,就结束吧!
else:
Sum = Sum - int(Data) #恢复数据
## 3 循环
E = len(Data)
store = []
for i in range(E-1): # 拆成前后两个字符串
store.append([Data[:(i+1)],Data[i+1:]])
for i in range(len(store)): # 对每一组字符串进行DFS搜索处理
## 第一段不递归
sub1 = store[i][0]
Sum_new = Sum + int(sub1) # 这里需要重新赋值,以便于回溯时恢复参数状态
if Sum_new > self.target: # 如果部分和超过了目标,则返回
return
## 第二段递归
new_parent.append(sub1)
sub2 = store[i][1]
self.dfs(sub2, Sum_new, new_parent, True)
## 奇葩的处理:这里不返回,而是继续执行下一次的循环
# 循环之前,弹出节点,恢复一下列表参数
new_parent.pop()
return
## 迎接输入:
data = [] #利用队列存储目标和数据
while True:
str1,str2 = input().strip().split(' ')
if int(str1)==0 and int(str2)==0:
break
else:
data.append([str1,str2])
# print(data)
# 共计N组数据
N = len(data)
# print(N)
for i in range(N):
# 获得目标和数据
target,subData = data[i][0],data[i][1]
## 第一级判别:目标与数据是否直接相等——是:打印数据
if target == subData:
print(target+' '+subData)
continue # 去执行下一次循环
## 第二级判别:按元素个数划分,其和是否大于目标——
# 数据元素个数
E = len(subData)
# print(E)
# 计算E个元素之和sum
E_sum = 0
for i in range(E):
E_sum = E_sum + int(subData[i])
if E_sum > int(target):# 按元素个数划分,其和是否大于目标——是:打印error
print("error")
continue
if E_sum == int(target) and '0' not in subData:# 按元素个数划分,其和是否等于目标,并且数据中无0元素——是:打印出来
res = target
for i in range(E):
res = res + ' ' + subData[i]
print(res)
continue
## 接下里,利用DFS处理一般情形——
test = Solution()
ways = test.DFS(target,subData)
# 处理输出结果
MAX_Sum = max(ways.keys()); #查找接近于目标的最大和
ans = ways[MAX_Sum] #获取相应的方案
if len(ans)>1: # 当存在多种方案时
print("rejected")
else:
# 按照格式打印输出
ans_sum = 0
res = ''
for i in ans[0]:
ans_sum += int(i)
res = res + ' ' + i
print(str(ans_sum) + ' ' + res.strip(' '))
输入:
50 12346
376 144139
927438 927438
18 3312
9 3142
25 1299
111 33333
103 862150
6 1104
0 0
输出:
43 1 2 34 6
283 144 139
927438 927438
18 3 3 12
error
21 1 2 9 9
rejected
103 86 2 15 0
rejected