文章目录
- 一.离散化
- 二.贪心
- 01背包问题
一.离散化
离散化是一种将数组的值域压缩,从而更加关注元素的大小关系的算法。
离散化数组要求内部有序(一般去重)
可以通过离散化下标得到值
也可以通过值得到离散化下标
#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;
int main()
{int a[6] = { 0,3,1000,2,99999,2 };//原数组vector<int> L;for (int i = 1; i < 6; i++) {L.push_back(a[i]);}sort(L.begin(), L.end());auto b=unique(L.begin(), L.end());L.erase(b, L.end());for (int i = 0; i < L.size(); i++) {cout << L[i]<<" "; //2 3 1000 99999}//获取1000在L中的下标.lower_bound返回从左到右第一个大于等于1000 的地址cout << lower_bound(L.begin(), L.end(), 1000) - L.begin(); //2
二.贪心
1.最小化战斗力差距
评测系统
分析:先进行排序,从某个位置划分,左侧是a,右侧是b。则max a和min b是相邻的。只需计算相邻两数的差最小值
#include <iostream>
#include <vector>
#include <algorithm>
#include <climits>
using namespace std;
const int N = 1e5 + 5;
int main()
{int n;cin >> n;int a[N] = { 0 };int minnum = INT_MAX;for (int i = 0; i < n; i++) {cin >> a[i];}sort(a, a + n);for (int i = 1; i < n; i++) {minnum = min(minnum, a[i] - a[i - 1]);}cout << minnum;
}
2.谈判
评测系统
分析:贪心:每次选择最小的两个部落合并
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 1e3 + 5;
int main()
{int n;cin >> n;int a[N] = { 0 };for (int i = 0; i < n; i++) {cin >> a[i];}sort(a, a + n);int sum = a[0];int sum2 = 0;int k = 1;while (k<n) {sum = sum + a[k++];sum2+=sum;}cout << sum2;
}
或优先队列
#include <iostream>
#include <vector>
#include <queue>
using namespace std;
int main()
{int n;cin >> n;priority_queue<int, vector<int>, greater<int>> queue;//小根堆,最小元素放到前面for (int i = 0; i < n; ++i) {int x;cin >> x;queue.push(x);}int sum = 0;while (queue.size() > 1) {int x = queue.top();queue.pop();int y = queue.top();queue.pop();queue.push(x + y);sum += x + y;}cout << sum;
}
3.纪念品分组
评测系统
#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;
int main()
{int w, n;cin >> w >> n;vector<int> a(n);for (int i = 0; i < n; i++) {cin >> a[i];}sort(a.begin(), a.end());int i = 0, j = n - 1;int sum = 0;while (i <= j) {if (a[i] + a[j] <= w) {i++;j--;}else {j--;}sum++;}cout << sum;
}
或
#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;
int main()
{int w, n;cin >> w >> n;vector<int> a(n);for (int i = 0; i < n; i++) {cin >> a[i];}sort(a.begin(), a.end());int i = 0, j = n - 1;int sum = n;while (i < j) { //注意:这里不能写成i!=j,因为当ij相邻时,若满足if,ij交换,仍可以继续进行,直到越界if (a[i] + a[j] <= w) {i++;j--;sum--;}else {j--;}}cout << sum;
}
4.分糖果
解读:
①字典序:apple排在banana前面,我们认为apple的字典序更小
②假设我们有6个糖果分给3个学生,可能的分法是:ab、cd、ef,则拿到ef的同学字典序最大
③使得字典序最大的字符串尽可能小:指的是字典序最大的字符串的字典序最小,而不是长度最短(除非只有一个种类的糖果)。一种可能的分法中,字典序最大的是abccd;另一种分法中,字典序最大的是d。我们会选择abccd这种分法作为最终结果
分析:
糖果的种类数可能有三种情况
①只有一个种类的糖果:应使分的字典序最大的(分的糖果数最多的)同学拿到的糖果尽可能少(字符串尽可能小)。也就是尽可能的均分。如我们有7个糖果,分为3个同学。应该是2/2/3的分法
②一共有n个糖果,分给x个同学。我们先将输入序列s排序,现在同种类的糖放在了一起。若第x个糖果的种类和第1个糖果的种类不一样。 我们将前x个糖果依次分给x个同学,则第x个同学拿到了字典序最大的,又由于序列是有序的,x对应的字典序一定是当前最小的。从x+1到n(若有)的糖果我们将其分给第一位同学,因为第一位同学的首字母一定小于第x位同学,所以该操作不会产生影响。
③一共有n个糖果,分给x个同学。我们先将输入序列s排序,现在同种类的糖放在了一起。**若第x个糖果的种类和第1个糖果的种类一样。**这时,第x个糖果的字典序一定是最小的(因为已经排序),我们直接输出[x,n]即为最终序列。如:aaaabbbbcccc,4人,显然最佳分配a/a/a/abbbbcccc>其他分配abbb/a/a/accc
#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;
int main()
{int n, x;cin >> n >> x;vector<char> a(n + 1);for (int i = 1; i <= n; i++) {cin >> a[i];}sort(a.begin(), a.end());if (a[n] == a[1]) {if (n % x == 0) {int temp = n / x;while (temp--) {cout << a[1];}}else {int temp = n / x + 1;while (temp--) {cout << a[1];}}}else if (a[x] != a[1]) {cout << a[x];}else {for (int i = x; i <= n; i++) {cout << a[i];}}return 0;
}
5.最大的卡牌价值
评测系统
注:最多进行k次,并非一定要进行k次
#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;
const int N = 1e5 + 5;
struct pro {int a;int b;
};
bool cmp(const pro& x, const pro& y) {return x.b - x.a > y.b - y.a;
}
int main()
{int n, k;pro arr[N];cin >> n >> k;long long sum = 0;for (int i = 0; i < n; i++) {cin >> arr[i].a;sum += arr[i].a;}for (int i = 0; i < n; i++) {cin >> arr[i].b;}sort(arr, arr + n, cmp);for (int i = 0; i < n; i++) {if (k == 0) {break;}if (arr[i].b > arr[i].a) {sum -= arr[i].a;sum += arr[i].b;k--;}}cout << sum;
}
//也可以定义三个数组运算
6.珠宝的最大交替和
评测系统
分析:先求和,然后奇数位找最小的,偶数位找最大的,交换。
#include <iostream>
#include <vector>
#include <algorithm>
#include <climits>
using namespace std;
int main()
{int n;cin >> n;vector<int> a(n);long long sum = 0;int ji=INT_MAX, ou=INT_MIN;for (int i = 0; i < n; i++) {cin >> a[i];if ( i % 2 == 0) {sum += abs(a[i]);ji = min(ji, abs(a[i]));}else {sum -= abs(a[i]);ou = max(ou, abs(a[i]));}}if(n>1&&ji<ou)sum = sum - 2 * ji + 2 * ou;cout << sum;
}
7.小蓝的礼物
评测系统
#include <iostream>
#include <vector>
#include <algorithm>
#include <climits>
#include <queue>
using namespace std;
int main()
{priority_queue<int, vector<int>, greater<int>> pq;int n, k;cin >> n >> k;for (int i = 0; i < n; i++) {int x;cin >> x;pq.push(x);}long long sum = 0;int num = 0;while (pq.size() > 0) {int x = pq.top();sum += x;num++;if (sum > k) {sum -= x;if (x % 2 == 0) {if (sum + x/2 > k) {num--;}}else{if (sum + x/2+1 > k) {num--;}}cout << num;return 0;}pq.pop();}cout << num;
}
8.四个瓷瓶的神秘游戏
评测系统
分析:当一个瓶子为空的时候,我们依然可以继续操作。当两个瓶子都为空的时候,我们无法操作。
在通过sort排序后,满足a[0]<=a[1]<=a[2]<=a[3]。我们先通过操作将a[0]变为空,可操作次数为a[0]内的珍珠数。此时最后一个瓶内珍珠数最多,为a[3]+2*a[0]
在此基础上,对其他瓶进行处理
因为a[2]不小于a[1],所以能对a[1]进行的操作都可以对a[2]进行操作,我们假设a[2]和a[3]足够大。我们分别假设在a[0]为0时,a[1]分别取1~9,于是有:
以此类推,我们可以总结出
可以看出,相差模除为0时,a[1]和a[0]的差值就是a[3]要增加的值;差值模除为其他时,a[3]要增加的值为a[1]和a[0]的差值-1
于是有
#include <iostream>
#include <algorithm>
using namespace std;
int main() { long long x; long long a[4];for (int i = 0; i < 4; i++) {cin >> a[i];}sort(a, a + 4); if ((a[1] - a[0]) % 3 == 0)cout << a[3] + (a[0] * 2) + a[1] - a[0];elsecout << a[3] + (a[0] * 2) + a[1] - a[0]-1;
}
下面考虑a[3]或a[2]非足够大的情况,拥有最多珍珠的瓶子可能就不是a[3]:
在将a[0]变为0的基础上:
当瓶子内珍珠数为0111时,一次操作变为2000,此时瓶内最多珍珠数量为2,但按上述分析前两个瓶01时,a[3]数量不变,也就是1,和2差1
当瓶子内珍珠数为0112时,一次操作变为2001,此时瓶内最多珍珠数2,a[3]数量不变也正好是2,满足上述推理
当瓶子内珍珠数为0113时,一次操作变为2002,此时a[0]=2,a[3]数量不变为3,此时a[3]成为珍珠最多的瓶
当瓶子内珍珠数为0222时,一次操作变为4000,此时瓶内最多珍珠数4,但按上述分析前两个瓶02时,a[3]数量+1,也就是3,和4差1
以此类推
可以看出,当a[3]不是足够大时,或者说,a[3]如果不满足至少比a[2]或a[1]大1时,即a[1]、a[2]、a[3]相等时,a[0]反而成了珍珠最多的瓶
我们据此更新代码,考虑a[1]、a[2]、a[3]相等的情况,要在输出基础上+1
#include <iostream>
#include <algorithm>
using namespace std;
int main() {long long a[4];for (int i = 0; i < 4; i++) {cin >> a[i];}sort(a, a + 4);int x = 0;if (a[3] == a[1]) {x = 1;}if ((a[1] - a[0]) % 3 == 0)cout << a[3] + (a[0] * 2) + a[1] - a[0]+x;elsecout << a[3] + (a[0] * 2) + a[1] - a[0] - 1+x;
}
9.鸡哥的购物挑战
评测系统
分析:商品价格有正有负,计算过程中可抵消
#include <iostream>
#include <algorithm>
#include <queue>
using namespace std;
int main() {priority_queue<int> pq;//大根堆int n;cin >> n;for (int i = 0; i < n; i++) {int x;cin >> x;pq.push(x);}long long sum = 0;int num = 0;int laste;while (pq.size() > 0&&pq.top()>0) {sum += pq.top();laste = pq.top();//记录while最后一个弹出的元素pq.pop();num++;}if (num < n&& num % 2 != 0) {if (abs(pq.top()) > laste) {sum -= laste;}else {sum += pq.top();}}else if (num == n && num % 2 != 0) {sum -= laste;}cout << sum;
}
10.冒险者公会
评测系统
分析:样例说明有一定的误导性,为了更高效的派出冒险者,应该从小到大排序
#include <iostream>
#include <algorithm>
#include <vector>
using namespace std;
const int N = 1e3 + 5;
int cmp(const int a, const int b) {return a > b;
}
int main() {int m, n;cin >> m >> n;int x[N] = { 0 }, b[N][N] = { 0 };for (int i = 0; i < m; i++) {cin >> x[i];}sort(x, x + m,cmp);int maxnum = -1;for (int i = 0; i < n; i++) {int k;cin >> k;for (int j = 0; j < k; j++) {cin >> b[i][j];}sort(b[i], b[i] + k,cmp);maxnum = max(maxnum, k);}if (m < maxnum) {cout << "-1";return 0;}int temp[N] = { -1 };//存储每轮的最大值int num = 0;for (int i = 0; i < maxnum; i++) {for (int j = 0; j < n; j++) {temp[num] = max(b[j][i], temp[num]);}num++;}int sum = 0;num = m-1;int num2 = maxnum - 1;while (num!=-1&&num2!=-1) {if (x[num] < temp[num2]) {num--;}else {sum += x[num];num--;num2--;}}if (num2 == -1)cout << sum;elsecout << "-1";
}
11.明日方舟大作战!
评测系统
分析:在一轮中所有队员均可上场;对每个队员至多需要一次付费
引入:
01背包问题
对于一系列物品,每个物品有两个属性,价值v[i]和重量w[i];一个背包,它有一个最大承重限制W。在0-1背包问题中,每个物品只有两种状态:被选中和未被选中,这就是"0-1"的由来。不同于分数背包问题,我们不能选择物品的一部分,而必须决定是否完整地取用每个物品。0-1背包问题通常通过动态规划来解决。基本思想是使用一个二维数组dp[i][j]来表示当考虑到前i个物品,且背包容量为j时所能得到的最大价值。
我们的目标是选择一些物品装入背包,使得这些物品的总价值最大化,同时保证这些物品的总重量不超过背包的承重限制。
物品(重量w,价值v)
第0行:不考虑任何物品,背包的最大价值为0
第0列:当背包重量为0时,无法放入任何物品,最大价值为0
表格中的每个数字都表示:当考虑前i个物品时,在背包重量j下,能获得的最大价值
对于[1,1]
背包容量为1,1号物品重量为2,无法放入背包。
即当前物品重量大于背包容量,则背包价值与不放当前物品的价值一致(与只考虑前i-1个物品一致)
if(weight[i]>j){dp[i][j]=dp[i-1][j]
}
对于[2,3]
当前物品重量为3≤当前背包容量3,允许放入
判断放入后是否能获得更大价值:max(不放入,放入)
若不放入:背包的最大价值=在同样的背包容量j下,能获得的最大价值,即dp[i-1][j]
若放入:背包内物品的总重量一定已经加上了当前物品的重量和价值,我们找到"不考虑当前物品的价值"和“减去当前物品重量”对应的最优值,再加上当前物品的价值,即可得到结果,即dp[i-1][j-weight[i]]+value[i]
if(weight[i]<=j){dp[i][j]=max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i]);
}
对于另一个例子,我们给出完整的代码(注:weight和value数组下标从1开始存放数据,0号索引填充0)
这里使用vector表示,也可使用数组
#include <iostream>
#include <vector>
using namespace std;
int knapsack(int W, const vector<int> weight, const vector<int> value) {int n = weight.size()-1;//使用vector<vector<int>>创建二维数组//外层(行)有n + 1个元素(向量)//对于每个外层元素都有W+1个内层元素(列),并将它们初始化为0vector<vector<int>> dp(n + 1, vector<int>(W + 1, 0));for (int i = 1; i <= n; i++) {for (int j = 1; j <= W; j++) {if (weight[i] <= j) { dp[i][j] = max(dp[i-1][j], dp[i - 1][j - weight[i]] + value[i]);}else {dp[i][j] = dp[i - 1][j];}}}return dp[n][W];
}
int main() {int W = 10;//背包最大容量vector<int> weight = { 0,1,2,4,2,5 };//每个物品的重量vector<int> value = { 0,5,3,5,3,2 };//每个物品的价值cout << knapsack(W, weight, value);//在不超过背包承重限制的条件下,所能选择物品的最大总价值。
}
下面我们再看一个一维dp的例子
一维dp每次迭代只保留上一个物品计算的结果,减少了对空间的需求,空间复杂度有所降低。如果问题只要求最大价值而不需要具体的物品列表,一维DP是更好的选择。如果需要知道具体哪些物品被选中,则可能需要额外的逻辑或记录。二维dp可以具体到每个物品和每种容量下的最大价值。
若背包容量10,共有4件物品,(重量,价值)分别为(2,1),(3,3),(4,5),(7,9)
处理第一个物品:从右往左填写。第一个物品重量2<10,允许放入,直到j=2。检查价值最大化。
for (int j = W; j >= weight[i]; j--) { //逆序保证了在更新时用到的dp仍然是上一轮(没有考虑当前物品)的结果dp[j] = max(dp[j], dp[j - weight[0]] + value[0]);
}
处理第二个物品:j=10前两件物品均可放入
j=4时
若不放入当前物品,dp[j]=1
若放入当前物品,在减去当前重量的情况下决策dp[j - weight[1]] + value[1]=0+3=3
for (int j = W; j >= weight[i]; j--) {dp[j] = max(dp[j], dp[j - weight[1]] + value[1]);
}
以此类推,遍历完所有i得到的dp[10]即为结果
对于另一个例子,我们给出完整的代码(注:weight和value数组下标从0开始存放数据),j是逆序的
这里使用vector表示,也可使用数组
#include <iostream>
#include <vector>
using namespace std;int knapsack(int W, const vector<int> weight, const vector<int> value) {int n = weight.size();vector<int> dp(W + 1, 0);for (int i = 0; i < n; i++) {for (int j = W; j >= weight[i]; j--) { //逆序保证了在更新时用到的dp仍然是上一轮(没有考虑当前物品)的结果dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);//max中的dp[j]表示在不加入当前物品i的情况下,物品能达到的最大价值。//类似于在二维的基础上去掉了第一个维度//dp[i][j] = max(dp[i-1][j], dp[i - 1][j - weight[i]] + value[i]);}}return dp[W];
}int main() {int W = 10; vector<int> weight = { 1, 2, 4, 2, 5 };vector<int> value = { 5, 3, 5, 3, 2 };cout << knapsack(W, weight, value);return 0;
}
【回到题目】我们使用01背包一维dp找到最大的攻击力,再找到最多血量的敌人,即可计算最小的回合数
#include <iostream>
#include <algorithm>
#include <vector>
#include <cmath>
using namespace std;
int knapsack(int B, const vector<int> attack, const vector<int> cost) {vector<int> dp(B + 1, 0);//dp数组记录总费用为j时可获得的最大攻击力int n = attack.size();for (int i = 0; i < n; i++) {for (int j = B; j >= cost[i]; j--) {dp[j] = max(dp[j], dp[j - cost[i]] + attack[i]);//是否选择i}}return dp[B];
}
int main() {int n, m, B;cin >> n >> m >> B;vector<int> attack(n), cost(n);for (int i = 0; i < n; i++) {cin >> attack[i] >> cost[i];}int max_attack = knapsack(B,attack,cost);//01背包调用int max_life = 0;//敌人的最大生命值for (int i = 0; i < m; i++) {int life;cin >> life;max_life = max(life, max_life);}if (max_attack == 0) {cout << "-1";return 0;}//使用ceil向上取值,头文件#include <cmath>int rounds = (int)ceil((double)max_life / max_attack);cout << rounds;//也可使用:max_life% max_attack == 0 ? cout << max_life / max_attack : cout << max_life / max_attack + 1;
}