首页
学习
活动
专区
圈层
工具
发布

蓝桥杯算法提高 促销购物(动态规划+完全背包)

每个物品都有价格,正好赶上商店推出促销方案。就是把许多东西一起买更便宜(保证优惠方案一定比原价便宜)。物品要买正好的个数,而且不能为了便宜而买不需要的物品。   ...输入格式   第一行促销物品的种类数(0 <= s <= 99)。   第二行…第s+1 行每一行都用几个整数来表示一种促销方式。   ...6][6][6][6];//dp[2][3][4][1][0]代表 当前第 1~5 个物品 分别 购2 3 4 1 0 件所需最少钱 long h[6]={0};//h[i] 表示 i 号商品促销数量...long sbh[1001]={0};//标号表 链接 促销序号和需买序号的桥梁 scanf("%ld",&s); for(i=1;i<=s;i++) { scanf("%ld",...促销量大于需量 或者 促销品不需要 则不能选择此促销种类 if(j<sn[i])continue; for(j=1;j<=sn[i];j++) h[sbh[c[i][j]

1.1K20
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    图论与图学习(二):图算法

    本文是其中第二篇,介绍了图算法。...前一篇文章介绍了图的主要种类以及描述一个图的基本特性。现在我们更加详细地介绍图分析/算法以及分析图的不同方式。...一 寻路和图搜索算法 寻路算法是通过最小化跳(hop)的数量来寻找两个节点之间的最短路径。 搜索算法不是给出最短路径,而是根据图的相邻情况或深度来探索图。这可用于信息检索。 1....和 SCC 一样,并查集通常用在分析的早期阶段,以理解图的结构。 并查集是一个预处理步骤,为了理解图的结构,在任何算法之前都是必需的。...四 总结 现在我们已经介绍了图的基础知识、图的主要类型、不同的图算法和它们使用 networkx 的 Python 实现。

    4.7K22

    图的常见算法

    图的表示方式  图是由一系列点和边的集合构成的,一般有邻接矩阵和邻接表两种表示方式,c/c++可以看我的这篇文章:搜索(1)  这篇文章主要讲java语言中图的相关算法。... 图的拓扑排序以下图来举例,假设你要学课程A,但是课程A有先导课,必须上完先导课才能上A,因此你必须先上BCD,但是由于BD也有先导课K,所以必须先上K。... 图的最小生成树算法用于无向图,只选择图中的某些边,达到整体边的权重加起来是最小的,并且各个点之间是连通的,连通的意思是假设[1,2]之间有条边,[2,3]之间有条边,那么[1,3]之间就是连通的,图的最小生成树算法有两个...,分别是K算法和P算法,他俩产生的结果都是一样的,只不过决策的过程不一样。...K算法 ?  以上面的图为例,K算法的思想是以边进行考虑,优先选择小权重的边。

    1.8K20

    推荐算法——基于图的推荐算法PersonalRank算法

    推荐的算法有很多,包括协同过滤(基于用户的协同过滤和基于物品的协同过滤)以及其他的一些基于模型的推荐算法。...二、基于图的推荐算法PersonalRank算法 1、PersonalRank算法简介 在协同过滤中,主要是将上述的用户和商品之间的关系表示成一个二维的矩阵(用户商品矩阵)。...而在基于图的推荐算法中,将上述的关系表示成二部图的形式,为用户A推荐商品,实际上就是计算用户A对所有商品的感兴趣程度。...PersonalRank算法对通过连接的边为每个节点打分,具体来讲,在PersonalRank算法中,不区分用户和商品,因此上述的计算用户A对所有的商品的感兴趣的程度就变成了对用户A计算各个节点B,C,...PersonalRank算法的具体过程如下(对用户A来说): 初始化: PR(A)=1,PR(B)=0,⋯,PR(d)=0 PR\left ( A \right )=1,PR\left ( B \

    3.4K30

    图算法|Dijkstra最短路径算法

    比如,从A到D的最短路径,通过肉眼观察可以得出为如下,A->C->D,距离等于3+3=6,其中A->C边上的数值3称为权重,又知这是无向图,从C到A的权重也为3。 ?...02 — Dijkstra算法求单源最短路径 这个算法首先设置了两个集合,S集合和V集合。S集合初始只有源顶点即顶点A,V集合初始为除了源顶点以外的其他所有顶点,如下图所示: ?...设置一个从A到各顶点的缓存字典,作为算法的输出,初始时,统一设置为 -1, ?...选取最小距离,即B进入S集合,并且,Dijkstra算法要和dist字典中A->B 距离做一次比较, 如果dist(A->B)!...以上分析就是Dijkstra算法的基本思想,直到集合V的元素个数为0为止,最终的dist字典如下: ? 03 — Dijkstra算法总结 算法的基本思路: 1. 初始化两个集合,S集合和V集合。

    7.6K50

    推荐算法——基于图的推荐算法PersonalRank算法

    推荐的算法有很多,包括协同过滤(基于用户的协同过滤和基于物品的协同过滤)以及其他的一些基于模型的推荐算法。...二、基于图的推荐算法PersonalRank算法 1、PersonalRank算法简介 在协同过滤中,主要是将上述的用户和商品之间的关系表示成一个二维的矩阵(用户商品矩阵)。...而在基于图的推荐算法中,将上述的关系表示成二部图的形式,为用户A推荐商品,实际上就是计算用户A对所有商品的感兴趣程度。...PersonalRank算法对通过连接的边为每个节点打分,具体来讲,在PersonalRank算法中,不区分用户和商品,因此上述的计算用户A对所有的商品的感兴趣的程度就变成了对用户A计算各个节点B,C,

    3.5K100

    以图搜图:Python实现dHash算法

    向AI转型的程序员都关注了这个号 机器学习AI算法工程   公众号:datayx 期研究了一下以图搜图这个炫酷的东西。百度和谷歌都有提供以图搜图的功能,有兴趣可以找一下。当然,不是很深入。...这个问题也是困扰了我,在偶然的机会,看到哈希感知算法。这个分两种,一种是基本的均值哈希感知算法(dHash),一种是余弦变换哈希感知算法(pHash)。dHash是我自己命名的,为了和pHash区分。...大致算法就是这样,汉明距离的代码我没给出,这个比较简单。一般都是在数据库里面进行计算,得到比较小的那些图片感知哈希值。 当然,实际应用中很少用这种算法,因为这种算法比较敏感。...在dHash算法中,它们是不同的。而我们肉眼可以看出其实是一样的。前面说过dHash算法比较较真、比较敏感。若要处理一定程度的变形,得要调整一下这个算法。...pHash算法就是基于dHash算法调整而来的,用第一次计算得到的值进行余弦变换。所以命名为余弦哈希感知算法。它可以识别变形程度在25%以内的图片。

    2.1K20

    大话设计模式笔记(二)——商品促销 策略模式

    本文链接:https://blog.csdn.net/luo4105/article/details/76542977 第二章商品促销——策略模式 需求:商品价格计算,并增加折扣条件 工厂模式UML图...策略模式UML图 ? 在策略模式中,会在策略环境类的构造器中完成折扣类的初始话,并在策略环境的实现方法调用折扣类的折扣算法。这样调用类只会关联策略环境类。...class SaleStrategy { public abstract double getSaleMoney(double money); } PercentSaleStrategy(折扣促销...public double getSaleMoney(double money) { return money * pecent; } } FullSendSaleStrategy(满减促销...(money - sendMonty) : money; } } 总结 策略模式是定义了一系列算法,这些算法从层次上实现相同的功能,最好析取出算法层,可以减少算法之间和调用算法的耦合。

    1.8K20
    领券