[贪心+01背包] 能量石(01背包+贪心)

13 篇文章 0 订阅
12 篇文章 0 订阅

0. 前言

相关:

调整法证明贪心问题:

1. 贪心+01背包

734. 能量石

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
参考题解:

重点: 贪心证明、01 背包、思维、Google Kickstart2019 Round B Problem B

贪心证明:

  • 暴力来做的话,就得枚举所有能量石的全排列,每次计算当前这种排列的最优值即可。但是全排列是 n ! n! n!
  • 假设最优解能量石有 k ( 1 ≤ k ≤ n ) k(1\le k \le n) k(1kn) 个,假设序列为 a 1 , a 2 , . . . , a k a_1,a_2,...,a_k a1,a2,...,ak,在此是将贡献为 0 的能量石剔除,保证每个 a i a_i ai 均大于 0
  • 那么交换相邻两个宝石一定不会使贡献变大,假设之前的总时间为 t t t,则有 E i + E i + 1 − t × L i − ( t + S i ) × L i + 1 ≥ E i + E i + 1 − t × L i + 1 − ( t + S i + 1 ) × L i E_i+E_{i+1}-t \times L_i - (t+S_i) \times L_{i+1} \ge E_i+E_{i+1}-t \times L_{i+1} - (t+S_{i+1}) \times L_{i} Ei+Ei+1t×Li(t+Si)×Li+1Ei+Ei+1t×Li+1(t+Si+1)×Li 化简: S i × L i + 1 ≤ S i + 1 × L i S_i \times L_{i+1} \le S_{i+1} \times L_i Si×Li+1Si+1×Li等价于: S i L i ≤ S i + 1 L i + 1 \frac {S_i} L_{i} \le \frac {S_{i+1}}{ L_{i+1}} LSiiLi+1Si+1
  • 这个就说明,最优解一定满足这个性质,以该条件对宝石进行排序。所以我们就得到了一个包含最优解的序列,将全排列的 O ( n ! ) O(n!) O(n!) 缩小到了 O ( n l o g n ) O(nlogn) O(nlogn)史诗级优化!
  • 接下来,就是在这个序列中,采用 01 背包,判断该石头是否拿取的问题了
    • 状态表示:
      • f[i][j] 从前 i 个物品中选择且总时间恰好为 j 的所有方案的最大价值。因为在此 j 的取值和最大价值 f[i][j] 精确对应。 具体原因参考文章末尾 mrk juju 的分析!!!
  • 状态计算:
    • 状态转移方程为:f[i][j]=max(f[i-1][j], f[i-1][j-si]+ei-(j-si)*Li)ei 是原能量,j当前吃完这个能量石的时刻,那么吃花费了 s 时刻,所以吃之前应该是处于 j-s 这个时刻,所以从起始时刻到 j-s 时刻,总共减少了 (j-s)*Li 能量

当然,空间优化为 1 维也是完全 ok 的。

引自 辰风:能量石 十分清晰!!!!

利用贪心来对所有的能量石排序,这样问题就变成了按照一个线性顺序取对每一个能量石判断是否拿取的问题了,就变成了经典的01背包问题

还有一个是总时间 m的取值问题,因为我们状态定义的是前i个能量石中取,经过了恰好 j 时刻的解,所以只要找出 j 最大可能是多少就可以了,就是所有能量石时间总和

令f[i][j]为从前i个能量石中取,经过了恰好 j 时刻的解
状态转移方程 f[i][j] = max(f[i][j], f[i - 1][j - s] + max(0, e - l * (j - s)));

解释一下里面的细节:首先吃第i个能量石的时刻已经过了 j-s 的时间了,因为能力石的能力不为负数,所以和0取一个max

由于我们不知道刚好进过哪一个时刻是解最大的时候 ,所以对每一个时间遍历,找出最大值


引自麻烦写注释大佬!!!首先,此题想到 01 背包应该是不难的,因为这题无非就是对每一块石头进行选与不选的抉择。但光光进行这一步,答案显然是错误的,因为选到后面,可能会导致他们现有的能量变成 0。前面所选的石头如果需要花费越长的时间吃,则后面石头所剩余的能量就越少,我们如果不进行贪心,则会造成前面的决策真的只是成了一个局部最优解,并且利用这个局部最优解,你无法构造出全局最优解。

为此我们需要利用贪心来缩小我们的决策范围。

这里要弄清楚 01 背包是解决了个什么问题:它是枚举了所有选法,并在其中找到了最大值。所以对于排序之后第一个能量石,我们会把所有吃它的方案,和不吃它的方案全部枚举到。

在这里插入图片描述
理解了hh

代码:

#include <iostream>
#include <algorithm>
#include <cstring>

using namespace std;

const int N = 105, M = 25005;

int n;
int a[N];
int f[M];

int main() {
    int T;
    cin >> T;
    
    while (T --) {
        cin >> n;
        for (int i = 0; i < n; ++i) cin >> a[i];
        
        sort(a, a + n);
        
        memset(f, 0, sizeof f);
        
        f[0] = 1;
        
        int res = 0;
        for (int i = 0; i < n; ++i) {
            if (!f[a[i]]) res ++;                       // f数组记录了所有能转移到的数的方案数
            for (int j = a[i]; j <= a[n - 1]; ++j)      // 在此背包容量为最大的那个数
                f[j] += f[j - a[i]];
        }
        cout << res << endl;
    }
    return 0;
}

2020/11/24
针对体积,选恰好这块,还是不能太理解。可能一开始做背包问题都是最大不超过 j。自己也没举一反三的能力,在做买书潜水员问题时初次接触到体积恰好体积至少、这样的定义,也做了详细总结。但还是感到很别扭…在背包问题求方案数时,体积也为恰好,本题也是。在我的理解下,状态定义不同,初始化方式不同,最后返回结果需要遍历求最大值等等…目前能够理解本题,但还是抠不出来里面的更多细节。二刷回顾的时候,后续这类状态定义方式会很注意!!!加入 疑问

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
01背包问题是指有n个物品和一个容量为V的背,每种物品只有一个,可以选择放或不放,要求在不超过背容量的前提下,尽可能多地装入物品。贪心算法可以用来解决一部分01背包问题,即每个物品只能选择全部装入或不装入的情况。 具体的贪心策略是按照物品单位重量的价值从大到小的顺序,依次将物品装入背中,直到背无法再装下为止。这种贪心策略称为单位重量价值排序策略。 下面是一个简单的实现示例: ```python def knapsack_01(weights, values, capacity): n = len(weights) # 计算每个物品的单位重量价值 vpw = [(values[i] / weights[i], weights[i], values[i]) for i in range(n)] # 按照单位重量价值从大到小排序 vpw.sort(reverse=True) # 背当前剩余容量 remain = capacity # 装入背的总价值 total_value = 0 # 依次将单位重量价值最大的物品装入背中 for i in range(n): if remain >= vpw[i][1]: remain -= vpw[i][1] total_value += vpw[i][2] else: total_value += remain * vpw[i][0] break return total_value ``` 其中,weights和values分别为n个物品的重量和价值,capacity为背容量。vpw是一个列表,其中每个元素都是一个三元组,分别表示物品的单位重量价值、重量和价值。在实现中,我们将vpw按照单位重量价值从大到小排序,然后依次将单位重量价值最大的物品装入背中,直到背无法再装下为止。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

Ypuyu

如果帮助到你,可以请作者喝水~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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