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

  1. 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 ...

  2. 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 ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. (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 ...

  8. 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 ...

  9. 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

  1. request 的上传文件

    前言:注册接口需要上次头像,fiddle抓的接口如图,这个时候就需要用到:files 2,举例说明 a:有一个上传接口,地址如下:http://xx.xx.xx.xx//upload/stream b ...

  2. L313 珊瑚裸鼠灭绝

    This week the Australian government declared the extinction of a tiny rodent called Bramble Cay melo ...

  3. L296 EST 科技英语翻译-美学取向 (上)

    tips:对语言进行恰如其分的润饰,讲究词法.句法及篇章的粘连,增加可读性. 1 Accuracy 精确性 科技文章用词要求准确,尽量避免含糊不清和一词多义 dead air静空气 2 Paralle ...

  4. 虚拟机提示:无法打开内核设备“\\.\Global\vmx86”: 系统找不到指定的文件

    虚拟机提示:无法打开内核设备“\\.\Global\vmx86”: 系统找不到指定的文件 Win 10 vmware12 无法打开内核设备“\\.\Global\vmx86”: 系统找不到指定的文件. ...

  5. MFC 关于new出一个新对话框时,退出对话框内存泄漏的问题解决

    问题: 在进行点击按钮弹出对话框时,我是用了new来生成一个新的对话框,但是在新对话框关闭的时候,经过检查发现,新对话框存在内存泄漏问题. 原因: 因为使用了new,但是当时没有找到地方进行delet ...

  6. 使用Maven+ssm框架搭建一个web项目

    1,前期准备:Eclipse(Mars.2 Release (4.5.2)).jdk1.7.tomcat7.maven3.2.1 2.使用eclipse中的maven新建一个web项目 点击next: ...

  7. ftell

    ftell:当前位置rewind:不管文件指向哪,它都会还原指向首部 缓存区的作用:大多数情况下是好事,合并系统调用行缓冲:换行.满了.强制(标准输出)刷新全缓冲:满了.强制(默认,只要不是终端)刷新 ...

  8. 基于NEO的私链(Private Blockchain)

    1.准备工作 1.NEO-GUI 2.NEO-CLI 3..NET Core Runtime (不能是2.x版本,官方建议是1.12,实际上我用1.14也是没有问题的) 4.四台windows操作系统 ...

  9. 九度OJ1111题-单词替换

    题目1111:单词替换 时间限制:1 秒 内存限制:32 兆 特殊判题:否 提交:6752 解决:1891 题目描述: 输入一个字符串,以回车结束(字符串长度<=100).该字符串由若干个单词组 ...

  10. ace编辑器 光标错位

    字体的关系