B3624 猫粮规划(深度优先)

本文描述了一道编程题,涉及使用DFS解决机器猫如何选择食物以达到指定能量区间的问题,输出方案总数。数据规模有一定限制。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

#include <bits/stdc++.h>
using namespace std;

int n;
int l,r;
int w[45] = {0};
int sum = 0;

void dfs(int num,int weight){
	if (num == n){
		if (weight >= l && weight <= r){
			sum++;
		}
		return;
	}
	
	if (weight + w[num] <= r){
		dfs(num+1,weight + w[num]);
	}
	dfs(num+1,weight);
}
int main()
{
	cin >> n>> l>> r;
	for (int i = 0;i < n;i++){
		cin>> w[i];
	}
	dfs(0,0);
	cout << sum;
    return 0;
}

猫粮规划

题目描述

到中午了,机器猫要吃猫粮了。

机器猫掏出 nnn 份食物,第 iii 份食物含有的能量为 w[i]w[i]w[i]。机器猫可以吃掉其中一些食物,获得这些食物的能量之和。

机器猫又不想变得太胖又不想变得太瘦,所以指定了一个目标区间 [l,r][l, r][l,r]。显然,可能有很多种选择食物的方式可以达成这个目标,因此机器猫想知道方案总数。

输入格式

第一行,三个正整数 n,l,rn, l, rn,l,r

第二行,nnn 个正整数,表示每一份食物含有的能量 w[i]w[i]w[i]

输出格式

仅一行,一个整数,表示方案数。

样例 #1

样例输入 #1

4 70 85
10 10 20 50

样例输出 #1

4

提示

样例解释

所有方案如下:

选择食物 1, 2, 4,能量 10+10+50 = 70
选择食物 1, 3, 4,能量 10+20+50 = 80
选择食物 2, 3, 4,能量 10+20+50 = 80
选择食物 3, 4,能量 50+20 = 70

共 4 种方案。

数据规模与约定

对于 50%50\%50% 的数据,满足 n≤20n\leq 20n20

对于 100%100\%100% 的数据,满足 n≤40,20≤w[i]≤100,l≤r≤300n\leq 40, 20\leq w[i] \leq 100, l\leq r \leq 300n40,20w[i]100,lr300

提示:w[i]w[i]w[i] 在范围内均匀随机生成。

### 实现猫粮规划项目的背景 为了帮助社区中的流浪猫获得足够的食物,可以设计一个基于Java的猫粮分配系统。该系统的目的是优化有限数量的猫粮资源,在满足每只猫咪基本需求的同时尽可能覆盖更多的猫咪。 ### 设计思路 考虑到不同地点可能存在的多处喂食点以及各处所需的不同量级的食物供应情况,此问题可被建模成一种特殊的背包问题——即最优装载问题[^2]。通过定义每个喂食点的需求作为物品的价值和重量属性来处理这个问题。 ### Java代码实现 下面是一个简单的Java程序示例,用于模拟如何根据各个位置的具体情况进行合理的猫粮分发: ```java import java.util.*; class CatFoodDistribution { static class FeedingPoint implements Comparable<FeedingPoint> { int index; double needAmount; // 所需猫粮的数量 double valuePerUnit; // 单位价值(这里假设为重要程度) public FeedingPoint(int idx, double amount, double unitValue) { this.index = idx; this.needAmount = amount; this.valuePerUnit = unitValue; } @Override public int compareTo(FeedingPoint other) { return Double.compare(other.valuePerUnit / other.needAmount, this.valuePerUnit / this.needAmount); } } public static double distributeCatFood(List<FeedingPoint> points, double totalFoodAvailable) { Collections.sort(points); double currentValue = 0; Iterator<FeedingPoint> iterator = points.iterator(); while (iterator.hasNext() && totalFoodAvailable > 0) { FeedingPoint point = iterator.next(); if (point.needAmount <= totalFoodAvailable) { currentValue += point.valuePerUnit * point.needAmount; totalFoodAvailable -= point.needAmount; System.out.println("Fully fed cats at location " + point.index + ", remaining food: " + totalFoodAvailable); } else { currentValue += point.valuePerUnit * totalFoodAvailable; System.out.println("Partially fed cats at location " + point.index + ". No more food left."); break; } } return currentValue; } public static void main(String[] args) { List<FeedingPoint> feedingPoints = Arrays.asList( new FeedingPoint(1, 5, 8), new FeedingPoint(2, 7, 9), new FeedingPoint(3, 4, 6) ); double maxBenefit = distributeCatFood(feedingPoints, 15); System.out.printf("Maximum benefit achieved with available cat food is %.2f\n", maxBenefit); } } ``` 在这个例子中,`distributeCatFood` 函数接收一系列 `FeedingPoint` 对象列表和总的可用猫粮数量,并返回最大化的总收益值。这里的“收益”是指按照某种标准衡量的重要性或优先级得分。这个函数会先按单位成本效益排序所有的喂食点,之后依次尝试完全填充这些地方直到没有更多剩余粮食为止;如果遇到无法完全填满的情况,则仅提供部分支持并结束循环。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值