博客
关于我
【倍增dp】P3462 [POI2007]ODW-Weights
阅读量:303 次
发布时间:2019-03-03

本文共 1889 字,大约阅读时间需要 6 分钟。

砝码的质量通常是按倍数递增的,比如常见的1、2、4等。这种特性使得我们可以将容器的容量表示为多进制的形式。例如,使用1、2、4这样的砝码,容器的容量可以表示为(2,0,1)。接下来,我们需要将所有盒子的进制数组合并,并累加每个进制位的最大容量。

在实现上,我们可以采用贪心算法来处理每个砝码。具体步骤如下:

  • 去重处理:首先对砝码进行去重,确保每个砝码的重量唯一。

  • 进制转换:将每个盒子的容量转换为对应的进制形式。对于每个砝码,计算其在当前进制位上的最大容量,并累加到总和中。

  • 处理进制位:从高位到低位依次处理每个进制位。如果当前进制位有值,直接将其加入总和;如果没有值,寻找其前面最近的有值的进制位,并借用该值来计算当前位的容量。

  • 通过这种方法,我们可以高效地计算出所有盒子的进制数组的总和,并确定每个进制位的最大容量。这种贪心策略不仅简化了计算过程,还能确保结果的准确性。

    以下是代码实现的核心逻辑:

    #include 
    using namespace std;const int maxn = 100001;int a[maxn], box[maxn], n, m, aa[maxn], ans, k, cnt, flag = 1, f[33];bool cmp(int a, int b) { return a > b; }int main() { scanf("%d%d", &n, &m); for (int i = 1; i <= n; i++) scanf("%d", &box[i]); for (int i = 1; i <= m; i++) scanf("%d", &a[i]); sort(a + 1, a + 1 + m, cmp); for (int i = 1; i <= m; i++) { if (a[i] != a[i - 1]) aa[++cnt] = a[i]; } for (int i = 1; i <= n; i++) { for (int k = 1; k <= cnt; k++) { f[k] += box[i] / aa[k]; box[i] %= aa[k]; } } f[0] = 1; sort(a + 1, a + 1 + m); for (int i = 1; i <= m; i++) { int x = a[i]; for (int j = cnt; j >= 1; j--) { if (aa[j] < x) continue; for (k = j; k >= 1; k--) { if (aa[k] < x || !f[k]) continue; if (!f[k]) { for (p = k; p >= 1; p--) { if (aa[p] <= x) { f[k] -= f[p]; x -= aa[p] * f[p]; } } if (!f[k]) { printf("%d\n", ans); return 0; } } } } } printf("%d\n", ans); return 0;}

    代码主要包含以下几个部分:

  • 输入处理:读取输入数据并解析。

  • 去重处理:对砝码进行去重,得到唯一的砝码重量。

  • 进制转换:将每个盒子的容量转换为对应的进制形式。

  • 贪心处理:从高位到低位处理每个进制位,计算总和并输出结果。

  • 通过上述方法,我们可以高效地解决问题,并确保结果的准确性。

    转载地址:http://jdwm.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | CIB-SE-YOLOv8: 优化的YOLOv8, 用于施工现场的安全设备实时检测 !
    查看>>
    OpenCV与AI深度学习 | CoTracker3:用于卓越点跟踪的最新 AI 模型
    查看>>
    OpenCV与AI深度学习 | OpenCV中八种不同的目标追踪算法
    查看>>
    OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
    查看>>
    OpenCV与AI深度学习 | OpenCV如何读取仪表中的指针刻度
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(一) :直接拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(三):基于特征匹配拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四):基于Stitcher类拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | PaddleOCR 2.9 发布, 正式开源文本图像智能分析利器
    查看>>
    OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
    查看>>
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
    查看>>
    OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
    查看>>
    OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
    查看>>