DP-动态规划算法实例:拿糖果问题
拿糖果问题
问题描述
妈妈给小B买了N块糖!但是她不允许小B直接吃掉。
假设当前有M块糖,小B每次可以拿P块糖,其中P是M的一个不大于根号下M的质因数。这时,妈妈就会在小B拿了P块糖以后再从糖堆里拿走P块糖。然后小B就可以接着拿糖。
现在小B希望知道最多可以拿多少糖。
输入格式
一个整数N
输出格式
最多可以拿多少糖
样例输入
15
样例输出
6
数据规模和约定
N <= 100000
解题思路:
这道题关键在于数字P,首先理解数字P,它有三个条件,其一是质数,其二是M的一个因数,其三要小于根号下M。
接下来看问题,问的是 希望知道最多可以拿多少糖,而拿糖呢 是 有N颗糖拿最多的糖 看到这个熟悉的架构了吗,这表明,从N中拿最多的糖建立在从N-1到1中拿最多的糖的解上,而我们知道,动态规划问题的一个要点在于,整体的最优解,一定建立或包含在子最优解上的,也就说从M中挑选P的最优解,一定建立在从M'中挑选P'的最优解上。通俗的讲,假设有N = 15,我现在已经知道了N = 1 ,2 ,3 。。。14的答案,首先当N = 15时,它的质因数为2或者3.也就是说,我如果拿2颗,那么还剩15 - 2 * 2 = 11颗,而我已经知道了11颗糖的时候我能拿的最多糖果的答案,那么N = 15时,我能拿到的糖果就是当糖果还有11颗是我能拿的数量加上我已经拿的2颗。同理,还要考虑质因数为3的情况,两种情况中那个情况最优,则答案就是那个。
所以我们可以得出递推式:
dp[i] = dp[i - 2 * prime] + prime
其中,i代表当前的糖果数量,dp[i]的值为当糖果数量为I时我能拿的最多的糖果。
当然,我们这个递推式还不完整,还漏了一点。就是会有多个质因数可以供选择,我们必须对于每个质因数都计算一次,然后选其中最大的情况,所以,完善后的递推式为
dp[i] = max( dp[i] , dp[i - 2 * prime] + prime )
当所有准备工作完成后,我们可以开始了
c++代码:
#include <iostream>
#include <vector>
#include <cmath> using std::cout;
using std::cin;
using std::vector;
using std::max; int main()
{
vector<int> prime;
//存放小于等于根号下 number 的所有质数
int number; //等待输入的总糖果数量
bool flag; //状态。判断一个数字是不是质数 cin>>number;
vector<int> dp(number + ,); //dp向量。记录当糖果数量为i时能拿的糖果 //求质数,并将所有质数保存到prime中
int sqt1 = sqrt(number);
for(int i = ; i <= sqt1; ++i)
{
int sqt2 = sqrt(i);
flag = true;
for(int j = ; j <= sqt2; ++j)
{
if(i % j == )
flag = false;
}
if(flag == true)
prime.push_back(i); } //处理dp向量
for(int i = ; i != number + ; ++i) //i代表dp的下标,代表糖果的数量
{
int sqt2 = sqrt(i);
int _size = prime.size();
for(int j = ; j != _size; ++j) //遍历整个质数的数组
{
if(prime[j] <= sqt2 && i % prime[j] == ) //如果这个质数小于等于根号下当前糖果的数量 且 是它的因数的话
{
dp[i] = max(dp[i],dp[i - * prime[j]] + prime[j]); //求最优解
}
}
} cout<<dp[number];
return ;
}
c++代码:
#include <iostream>
#include <vector>
#include <cmath>
using std::cout;
using std::cin;
using std::vector;
using std::max;
int main()
{
vector<int> prime;
//存放小于等于根号下 number 的所有质数
int number; //等待输入的总糖果数量
bool flag; //状态。判断一个数字是不是质数
cin>>number;
vector<int> dp(number + 1,0); //dp向量。记录当糖果数量为i时能拿的糖果
//求质数,并将所有质数保存到prime中
int sqt1 = sqrt(number);
for(int i = 2; i <= sqt1; ++i)
{
int sqt2 = sqrt(i);
flag = true;
for(int j = 2; j <= sqt2; ++j)
{
if(i % j == 0)
flag = false;
}
if(flag == true)
prime.push_back(i);
}
//处理dp向量
for(int i = 1; i != number + 1; ++i) //i代表dp的下标,代表糖果的数量
{
int sqt2 = sqrt(i);
int _size = prime.size();
for(int j = 0; j != _size; ++j) //遍历整个质数的数组
{
if(prime[j] <= sqt2 && i % prime[j] == 0) //如果这个质数小于等于根号下当前糖果的数量 且 是它的因数的话
{
dp[i] = max(dp[i],dp[i - 2 * prime[j]] + prime[j]); //求最优解
}
}
}
cout<<dp[number];
return 0;
}
DP-动态规划算法实例:拿糖果问题的更多相关文章
- 动态规划 算法(DP)
多阶段决策过程(multistep decision process)是指这样一类特殊的活动过程,过程可以按时间顺序分解成若干个相互联系的阶段,在每一个阶段都需要做出决策,全部过程的决策是一个决策序列 ...
- 动态规划算法(Dynamic Programming,简称 DP)
动态规划算法(Dynamic Programming,简称 DP) 浅谈动态规划 动态规划算法(Dynamic Programming,简称 DP)似乎是一种很高深莫测的算法,你会在一些面试或算法书籍 ...
- 从最长公共子序列问题理解动态规划算法(DP)
一.动态规划(Dynamic Programming) 动态规划方法通常用于求解最优化问题.我们希望找到一个解使其取得最优值,而不是所有最优解,可能有多个解都达到最优值. 二.什么问题适合DP解法 如 ...
- 五大常用算法之二:动态规划算法(DP)
一.基本概念 动态规划过程是:每次决策依赖于当前状态,又随即引起状态的转移.一个决策序列就是在变化的状态中产生出来的,所以,这种多阶段最优化决策解决问题的过程就称为动态规划. 二.基本思想与策略 基本 ...
- 剑指Offer——动态规划算法
剑指Offer--动态规划算法 什么是动态规划? 和分治法一样,动态规划(dynamic programming)是通过组合子问题而解决整个问题的解. 分治法是将问题划分成一些独立的子问题,递归地求解 ...
- 多线程动态规划算法求解TSP(Traveling Salesman Problem) 并附C语言实现例程
TSP问题描述: 旅行商问题,即TSP问题(Travelling Salesman Problem)又译为旅行推销员问题.货郎担问题,是数学领域中著名问题之一.假设有一个旅行商人要拜访n个城市,他必须 ...
- (转)dp动态规划分类详解
dp动态规划分类详解 转自:http://blog.csdn.NET/cc_again/article/details/25866971 动态规划一直是ACM竞赛中的重点,同时又是难点,因为该算法时间 ...
- DP动态规划学习笔记
作为考察范围最广,考察次数最多的算法,当然要开一篇博客来复习啦. 子曰:温故而知新,可以为师矣 我复习DP时有一些自己对DP的理解,也就分享出来吧. ——正片开始—— 动态规划算法,即Dynamic ...
- DP动态规划学习笔记——高级篇上
说了要肝的怎么能咕咕咕呢? 不了解DP或者想从基础开始学习DP的请移步上一篇博客:DP动态规划学习笔记 这一篇博客我们将分为上中下三篇(这样就不用咕咕咕了...),上篇是较难一些树形DP,中篇则是数位 ...
随机推荐
- Oracle 用户 表 表空间之间的关系和管理
文献地址: https://blog.csdn.net/jmilk/article/details/51599260 https://www.cnblogs.com/roger112/p/768530 ...
- python自学第5天,集合,文件读写
#!/usr/bin/env python #-*- coding:utf-8 -*- # Author:Hunter Yi s={1,1,1,2,3,4,5} print(s) #集合,去重 #关系 ...
- snmp 简单网管协议
snmpget是取具体的OID的值.(适用于OID值是一个叶子节点的情况) snmpwalk snmpwalk — Fetch all the SNMP objects from an agent & ...
- 指定某个div随着指定大div滚动,而不是随着整个窗口固定不动
<!DOCTYPE html><html lang="en"><head> <meta charset="UTF-8" ...
- 使用Redis构建支持程序
在Linux和Unix世界中,有两种常见的记录日志的方法.第一种是将日志记录到文件里面,然后随着时间流逝不断地将一个有一个日志行添加到文件里面,并在一段时间之后创建新的日志文件.包括Redis在内的很 ...
- 推荐系统-07-lambda架构
Lambda 架构 Lambda 架构由Storm的作者Nathan Marz提出,其设计目的在于提供一个能满足大数据系统关键特性的架构,包括高容错.低延迟.可扩展等.其整合离线计算与实时计算,融合不 ...
- PaddlePaddle Perceptron Example
.caret, .dropup > .btn > .caret { border-top-color: #000 !important; } .label { border: 1px so ...
- java ip 正则表达式
private static boolean isBoolIp(String ipAddress) { String ip = "(?:(?:25[0-5]|2[0-4][0-9]|[01] ...
- Java中的国际化
一.什么是国际化? 国际化是指应用程序运行时,可根据客户端请求来自的国家/地区.语言的不同而显示不同的界面. 二.Java如何实现国际化? Java程序的国际化思路是将程序中的标签.提示等信息放在资源 ...
- Ubuntu16.04安装tensorflow+安装opencv+安装openslide+安装搜狗输入法
Ubuntu16.04在cuda以及cudnn安装好之后,安装tensorflow,tensorflow以及opencv可以到网上下载对应的安装包并且直接在安装包所在的路径下直接通过pip与conda ...