题目大意

顾客拿着N种硬币(币值为value[i], 数量为c[i])去买价值为T的东西,商店老板也有同样N种币值的硬币,但是数量不限。顾客买东西可能需要用硬币找零来使得花出去的钱为T,求顾客给老板的硬币数为count1,老板找回给顾客的硬币数目为count2,求count1 + count2的最小值。

题目分析

先通过求和得到顾客的总钱数,若小于T,则说明无法进行交换,直接返回-1;否则,可以进行交换,那么顾客给老板的总钱数V1肯定>=T, 而老板找回给顾客的总钱数为 V1 - T. 
    用顾客手上的硬币去凑成V1的钱,为多重背包问题,通过转换为01背包来解决。这样可以求得 f1[V1] 表示用顾客手上的硬币凑成价值为V1的钱的硬币的最小数目;用老板手上的硬币去凑成V2的钱,为一个完全背包问题,利用完全背包来解决,得到f2[V2]表示用老板手上的硬币凑成价值为V2的钱的硬币的最小数目。 
    然后对V1进行遍历,找到V1-V2 = T,且f[V1]+f[V2]最小的f[V1]+f[V2]即可。 
    需要注意的是初始化

实现(c++)

#define _CRT_SECURE_NO_WARNINGS
//思路是 将要付的钱t 表示成 s1 - s2的形式,其中s1为顾客要给老板的钱数;s2为老板找回的钱数
//s1 >= t,否则无效
//两个dp数组f1, f2,其中 f1[i] 表示 顾客用身上的硬币凑成 i元所消耗的最少硬币数目
//f2[i] 表示老板要找i元所消耗的最少硬币数目
//由于顾客硬币数目有限制,为01背包; 老板硬币数目无限制,为完全背包 #include<stdio.h>
#include<string.h>
#define MAX_CENTS 20200
#define COIN_TYPE_NUM 102
#define INFINITE 1 << 28
int gCoinValue[MAX_CENTS]; //将多重背包转换为01背包之后的硬币的币值
int gCoinNum[MAX_CENTS]; //将多重背包转换为01背包之后每个硬币值代表的实际硬币个数 int f1[MAX_CENTS];
int f2[MAX_CENTS]; //多重背包转01背包,二进制优化
//将数字n分解为 集合S{1, 2, 4, 。。。2^(k-1), n - 2^k + 1}
//数字[1,n]内的任何数字都可以用集合S中的多个数字拼成
//其中k为满足 n - 2^k + 1 > 0的最大的k
void Expand(int v, int n, int& index){
int k = 1;
do{
gCoinNum[index] = k;
gCoinValue[index++] = k*v;
k *= 2; } while (2*k < n);
gCoinNum[index] = (n - k + 1);
gCoinValue[index++] = (n - k + 1)*v;
}
int min(int a, int b){
return a < b ? a : b;
} int main(){
int n, t, index = 0;
int coin_value[COIN_TYPE_NUM];
scanf("%d %d", &n, &t);
for (int i = 0; i < n; i++){
scanf("%d", coin_value + i);
}
int coin_num, sum_value = 0;
for (int i = 0; i < n; i++){
scanf("%d", &coin_num);
sum_value += coin_num*(coin_value[i]);
Expand(coin_value[i], coin_num, index);
}
if (sum_value < t){ //直接判断,总的钱数是否够物品价值,不够则直接返回失败
printf("-1\n");
return 0;
} memset(f1, 0, sizeof(f1));
memset(f2, 0, sizeof(f2));
int m = t + MAX_CENTS / 2; //范围,猜测的。。。 //进行合理的初始化
for (int i = 0; i <= m; i++){
f1[i] = f2[i] = INFINITE;
} f1[0] = 0; //一个硬币都没有,能够构成总价值为0的最少 硬币数目为0
f2[0] = 0; f1[gCoinValue[0]] = 1; //用前1个硬币进行初始化,即用前1种硬币凑成 coin_value[0] 价值的硬币的最少数目
f2[coin_value[0]] = 1; for (int i = 1; i < index; i++){ //多重背包转换为01背包,利用前一个物品初始化之后,从前2个物品开始循环
for (int w = m; w >= gCoinValue[i]; w--){
f1[w] = min(f1[w], f1[w - gCoinValue[i]] + gCoinNum[i]);
}
} for (int i = 0; i < n; i++){ //完全背包,从前1个物品开始
for (int w = coin_value[i]; w <= m - t; w++){
f2[w] = min(f2[w], f2[w - coin_value[i]] + 1);
}
}
int min_coin_num = INFINITE;
for (int i = t; i <= m; i++){
min_coin_num = min(min_coin_num, f1[i] + f2[i - t]);
}
if (min_coin_num == INFINITE) //判断是否能够 拼成 t
printf("-1\n");
else
printf("%d\n", min_coin_num);
return 0;
}

poj_3260 动态规划的更多相关文章

  1. 增强学习(三)----- MDP的动态规划解法

    上一篇我们已经说到了,增强学习的目的就是求解马尔可夫决策过程(MDP)的最优策略,使其在任意初始状态下,都能获得最大的Vπ值.(本文不考虑非马尔可夫环境和不完全可观测马尔可夫决策过程(POMDP)中的 ...

  2. 简单动态规划-LeetCode198

    题目:House Robber You are a professional robber planning to rob houses along a street. Each house has ...

  3. 动态规划 Dynamic Programming

    March 26, 2013 作者:Hawstein 出处:http://hawstein.com/posts/dp-novice-to-advanced.html 声明:本文采用以下协议进行授权: ...

  4. 动态规划之最长公共子序列(LCS)

    转自:http://segmentfault.com/blog/exploring/ LCS 问题描述 定义: 一个数列 S,如果分别是两个或多个已知数列的子序列,且是所有符合此条件序列中最长的,则 ...

  5. C#动态规划查找两个字符串最大子串

     //动态规划查找两个字符串最大子串         public static string lcs(string word1, string word2)         {            ...

  6. C#递归、动态规划计算斐波那契数列

    //递归         public static long recurFib(int num)         {             if (num < 2)              ...

  7. 动态规划求最长公共子序列(Longest Common Subsequence, LCS)

    1. 问题描述 子串应该比较好理解,至于什么是子序列,这里给出一个例子:有两个母串 cnblogs belong 比如序列bo, bg, lg在母串cnblogs与belong中都出现过并且出现顺序与 ...

  8. 【BZOJ1700】[Usaco2007 Jan]Problem Solving 解题 动态规划

    [BZOJ1700][Usaco2007 Jan]Problem Solving 解题 Description 过去的日子里,农夫John的牛没有任何题目. 可是现在他们有题目,有很多的题目. 精确地 ...

  9. POJ 1163 The Triangle(简单动态规划)

    http://poj.org/problem?id=1163 The Triangle Time Limit: 1000MS   Memory Limit: 10000K Total Submissi ...

随机推荐

  1. C++方式解析时间字符串和计算时间

    #include "StdAfx.h"#include "MySetTimeByVT.h" #include <ATLComTime.h>#incl ...

  2. vue使用axios,进行网络请求

    1.首先自己创建一个组件: https://www.cnblogs.com/fps2tao/p/9559291.html 2.安装:axios(可以npm安装,也可以下载js引入文件) npm ins ...

  3. mysqldump全量备份+mysqlbinlog二进制日志增量备份

    日常的数据备份及恢复测试,是DBA工作重中之重的事情,所以要做好备份及测试,日常的备份常见有mysqldump+binlog备份.xtrabackup+binlog备份,无论那一种,几乎都少不了对bi ...

  4. Android之ProGuard混淆器

    ProGuard是一个压缩.优化和混淆Java字节码文件的免费的工具,它可以删除无用的类.字段.方法和属性.可以删除没用的注释,最大限度地优化字节码文件.它还可以使用简短的无意义的名称来重命名已经存在 ...

  5. 基于redis的分布式缓存disgear开源到github上了

    disgear是笔者参考solrcloud架构基于redis实现的分布式的缓存,支持数据切分到多台机器上,支持HA,支持读写分离和主节点失效自动选举,目前把它开放到github上,开放给大家 gith ...

  6. vue-cli 中实现简单动画效果 (vue2.0)

    1,写一个简单的headcomp组件如下: <template> <div class="box"> <transition name="m ...

  7. Matlab三维绘图

    三维绘图 1 三维绘图指令 类 别 指 令 说 明 网状图 mesh, ezmesh 绘制立体网状图 meshc, ezmeshc 绘制带有等高线的网状图 meshz 绘制带有“围裙”的网状图 曲面图 ...

  8. swift侧开菜单

    此文来自学习这篇博客后的学习笔记,原博客是用oc写的,我最近在学swift,于是改写为swift. swift和oc之间互相调用还是很方便的,但是要注意AnyObject和optional的运用,我现 ...

  9. js函数与 Promise的使用

    JavaScript的函数不但是“头等公民”,而且可以像变量一样使用,具有非常强大的抽象能力. 定义函数的方式如下: function abs(x) { if (x >= 0) { return ...

  10. WebIM技术---编写前端WebSocket组件

    过去我们想要实现一个实时Web应用通常会考虑采用ajax轮循或者是long polling技术,但是因为频繁的建立http连接会带来多余的请求以及消息精准性的问题,让我们在实现实时Web应用时头疼不已 ...