洛谷.1782.旅行商的背包(背包DP 单调队列)
题目链接(卡常背包)
朴素的多重背包是: \(f[i][j] = \max\{ f[i-1][j-k*v[i]]+k*w[i] \}\),复杂度 \(O(nV*\sum num_i)\)
可以发现求\(\max\)时有很多值是被重复枚举过的
换一种方程表示形式,对于每个\(v[i]\),设\(j=K*v[i]+r,\quad K=j/v[i],\quad r=j\%v[i]\),即按照\(\%v[i]\)的余数分别进行dp(第二层枚举余数\(r\))
再枚举\(k=0\sim K-1\)(去掉\(k\)个物品\(i\)),那么 \(f[i][j] = \max\{ f[i-1][k*v[i]+r]-k*w[i] \} + K*w[i]\)
里面这一部分可以用单调队列维护。
大体是这个样子(这里\(f\)是\(f[i]\),\(g\)是\(f[i-1]\),\(k\)是指当前的体积为\(k\times v_i+r\),\(r\)是枚举的余数,\(v_i\)是当前物品\(i\)的单位体积,\(num_i\)是\(i\)物品个数,\(val_i\)是物品\(i\)单位价值):
\]
代码就是第一层枚举\(i\),第二层枚举\(r=0\sim v_i-1\),第三层枚举\(k\),更新\(f[i][k\times v_i+r]\),用单调队列优化。
如果你还没有看懂或想明白怎么用单调队列...
单调队列里每次存进去一个\(f[i-1][j\times v_i+r]-j\times val_i\),更新的时候是$$\begin{aligned}f[i][k\times v_i+r]&=q[h]+k\times val_i\&=\max_{k-j\leq num_i}{\ f[i-1][j\times v_i+r]-j\times val_i\ }+k\times val_i\&=\max_{k-j\leq num_i}{\ f[i-1][j\times v_i+r]+(k-j)\times val_i\ }\end{aligned}$$
\(k-j\)实际就是选了多少个物品\(i\)。
复杂度是 \(O(nV)\)。二三层枚举相当于把\(0\sim V\)都跑了一遍且只有一遍。
另外二进制拆分也可做,复杂度 \(O(nV*\sum log(num_i))\)。由于数据随机下 \(num_i\)可能比较小,\(\sum log(num_i)\)是期望 \(O(n)\) 的。
而且这种方法常数更小,所以比单调队列还快。。
另一问最大数量只有5,可以直接 \(V^2\) 暴力。。
注意当前枚举的体积now与数量的限制: 当队首最优值的体积(用的数量 \(k_h\))+当前物品最大体积(个数上限\(num\))<当前枚举的体积(\(k\))时,要弹出队首
另外最后可以直接输出\(f[V]\)?我觉得不太对啊,大概是那\(m\)个物品一定会产生正权值?
卡常是真恶心==
#include <cstdio>
#include <cctype>
#include <algorithm>
#define gc() getchar()
const int N=1e4+5;
int n,m,V,f[N],q[N],nm[N];
inline int read()
{
int now=0,f=1;register char c=gc();
for(;!isdigit(c);c=gc()) if(c=='-') f=-1;
for(;isdigit(c);now=now*10+c-'0',c=gc());
return now*f;
}
int main()
{
n=read(),m=read(),V=read();
for(int v,w,num,now,tmp,i=1; i<=n; ++i)
{
v=read(),w=read(),num=read();
for(int j=0; j<v; ++j)//r
for(int k=0,h=1,t=0; (now=k*v+j)<=V; ++k)//now:当前体积
{
tmp=f[now]-k*w;
while(h<=t && q[t]<tmp) --t;
nm[++t]=k, q[t]=tmp;
if(nm[h]+num<k) ++h;//每次仅会弹出一个元素
f[now]=q[h]+k*w;
}
}
for(int a,b,c,i=1; i<=m; ++i)
{
a=read(),b=read(),c=read();
for(int j=V; j; --j)
for(int k=0; k<=j; ++k)
f[j]=std::max(f[j],f[j-k]+(a*k+b)*k+c);
}
// int res=f[1];
// for(int i=2; i<=V; ++i) res=std::max(res,f[i]);
printf("%d",f[V]);
return 0;
}
洛谷.1782.旅行商的背包(背包DP 单调队列)的更多相关文章
- 洛谷P1782 旅行商的背包[多重背包]
题目描述 小S坚信任何问题都可以在多项式时间内解决,于是他准备亲自去当一回旅行商.在出发之前,他购进了一些物品.这些物品共有n种,第i种体积为Vi,价值为Wi,共有Di件.他的背包体积是C.怎样装才能 ...
- 洛谷P1523 旅行商简化版(DP)
题目: P1523 旅行商简化版 解析 可以看做是两个人同时从西往东走,经过不一样的点,走到最东头的方案数 设\(f[i][j]\)表示一个人走到i,一个人走到j的最短距离(\(i<j\)) 第 ...
- 洛谷P1782 旅行商的背包
传送门啦 这个题不用二进制优化的话根本不行,现学的二进制优化,调了一段时间终于A了,不容易.. 如果不懂二进制优化的话可以去看我那个博客 二进制优化多重背包入口 不想TLE,不要打memset,一定要 ...
- 洛谷 P1440 求m区间内的最小值(单调队列)
题目链接 https://www.luogu.org/problemnew/show/P1440 显然是一道单调队列题目…… 解题思路 对于单调队列不明白的请看这一篇博客:https://www.cn ...
- 题解【洛谷P1886】滑动窗口 /【模板】单调队列
题面 单调队列模板题. 单调队列可以从队首和队尾出队. 队列中的元素大小具有一定的顺序. 具体可参考这一篇题解 #include <bits/stdc++.h> #define itn i ...
- 洛谷P2627 [USACO11OPEN]Mowing the Lawn G (单调队列优化DP)
一道单调队列优化DP的入门题. f[i]表示到第i头牛时获得的最大效率. 状态转移方程:f[i]=max(f[j-1]-sum[j])+sum[i] ,i-k<=j<=i.j的意义表示断点 ...
- 洛谷 P2015 二叉苹果树 (树上背包)
洛谷 P2015 二叉苹果树 (树上背包) 一道树形DP,本来因为是二叉,其实不需要用树上背包来干(其实即使是多叉也可以多叉转二叉),但是最近都刷树上背包的题,所以用了树上背包. 首先,定义状态\(d ...
- 洛谷 P1273 有线电视网(树形背包)
洛谷 P1273 有线电视网(树形背包) 干透一道题 题面:洛谷 P1273 本质就是个背包.这道题dp有点奇怪,最终答案并不是dp值,而是最后遍历寻找那个合法且最优的\(i\)作为答案.dp值存的是 ...
- 【洛谷】【动态规划/二维背包】P1855 榨取kkksc03
[题目描述:] ... (宣传luogu2的内容被自动省略) 洛谷的运营组决定,如果...,那么他可以浪费掉kkksc03的一些时间的同时消耗掉kkksc03的一些金钱以满足自己的一个愿望. Kkks ...
随机推荐
- Class create, device create, device create file【转】
来自:http://www.hovercool.com/en/Class_create,_device_create,_device_create_file 开始写Linux设备驱动程序的时候,很多时 ...
- b站评论爬取
var userData = {}; var startPage = 0; var endPage = 0; var startTime = ""; var endTime = & ...
- @RequestBody,@ResponseBody
@RequestBody 作用: i) 该注解用于读取Request请求的body部分数据,使用系统默认配置的HttpMessageConverter进行解析,然后把相应的数据绑定到要返回的对象上: ...
- css实现左(右)侧固定宽度,右(左)侧宽度自适应 ---清除浮动
老话长谈,css的不固定适应布局 不管是面试还是在平时的工作中,这样的布局形式一直都在用着,很常见,所以今天我就拿出来在唠叨一下, 既是给自己一个备忘存储,也是一个学习巩固的参考,知道大家都会,还 ...
- ubuntu系统初始化网络及mysql配置
安装系统时需要安装open-ssh服务软件,否则无法远程连接 1.修改root密码 # sudo passwd 输入密码即可 切换到root用户,需要输入刚才的root密码 # su - 2.配置网络 ...
- 转载:2.1 运行中的Nginx进程间的关系《深入理解Nginx》(陶辉)
原文:https://book.2cto.com/201304/19624.html 在正式提供服务的产品环境下,部署Nginx时都是使用一个master进程来管理多个worker进程,一般情况下,w ...
- 基于Jenkins,docker实现自动化部署(持续交互)【转】
前言 随着业务的增长,需求也开始增多,每个需求的大小,开发周期,发布时间都不一致.基于微服务的系统架构,功能的叠加,对应的服务的数量也在增加,大小功能的快速迭代,更加要求部署的快速化,智能化.因此 ...
- php时间戳与日期转换
日期转换为时间戳 PHP 提供了函数可以方便的将各种形式的日期转换为时间戳,该类函数主要是: strtotime():将任何英文文本的日期时间描述解析为时间戳. mktime():从日期取得时间戳. ...
- 前端工程化之webpack中配置babel-loader(四)
安装 安装:npm i -D babel-core babel-loader babel-plugin-transform-runtime 安装:npm i -D babel-preset-es201 ...
- Webpack中的css-loader 和style-loader
传统上我们会在html文件中引入CSS代码,借助webpack style-loader和css-loader我们可以在.js文件中引入css文件并让样式生效. style-loader和css-lo ...