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
- C# string 与 String的区别
C# string 与 String的区别 The string type represents a string of Unicode characters. string is an alias ...
- JAVA_模糊查询_重点是concat关键字
SELECT * FROM user WHERE username LIKE concat('%',#{username},'%') concat : 类似+ ,拼接sql.sql语句中会将+ 重写. ...
- 河南省第四届ACM省赛(T1) 序号互换
问题 A: 序号互换 时间限制: 1 Sec 内存限制: 128 MB难度1 题目描述 Dr.Kong设计了一个聪明的机器人卡多,卡多会对电子表格中的单元格坐标快速计算出来.单元格的行坐标是由数字编 ...
- [转]C++智能指针简单剖析
C++智能指针简单剖析 https://www.cnblogs.com/lanxuezaipiao/p/4132096.html 导读 最近在补看<C++ Primer Plus>第六版 ...
- tmux允许鼠标滚动
/********************************************************************** * tmux允许鼠标滚动 * 说明: * 默认tmux貌 ...
- Unity调用Window提示框Yes/No(英文提示窗)
Unity调用Windows弹提示框 本文提供全流程,中文翻译. Chinar 坚持将简单的生活方式,带给世人!(拥有更好的阅读体验 -- 高分辨率用户请根据需求调整网页缩放比例) Chinar -- ...
- const 和let的本质区别
在let和const之间,建议优先使用const,尤其是在全局环境,不应该设置变量,只应设置常量. const优于let有几个原因.一个是const可以提醒阅读程序的人,这个变量不应该改变:另一个是c ...
- nginx负载均衡、nginx ssl原理及生成密钥对、nginx配制ssl
1.nginx负载均衡 新建一个文件:vim /usr/local/nginx/conf/vhost/load.conf写入: upstream abc_com{ip_hash;server 61.1 ...
- YIT-CTF—密码学
一.哼哼 小猪生活的地方在哪里? 看题目联想到是猪圈加密 二.卢本伟 LOL我只服五五开 ๑乛◡乛๑babbababaababbababaaababaaaaaaabaaa 更具提示“五五开”,再看到这 ...
- 【HDOJ4612】【双连通分量缩点+找树的直径】
http://acm.hdu.edu.cn/showproblem.php?pid=4612 Warm up Time Limit: 10000/5000 MS (Java/Others) Me ...