#P3306. 第3题-无线网络覆盖计划
-
1000ms
Tried: 730
Accepted: 186
Difficulty: 5
所属公司 :
华为
时间 :2025年7月9日-暑期实习
-
算法标签>动态规划
第3题-无线网络覆盖计划
题面描述 给定区域覆盖需求面积areaRequirement(单位:m²)和总预算budget(单位:元),以及 n 个可选接入点。第i个接入点的信号覆盖范围为coveragei(m²),安装成本为 costi(元)。在不超过总预算的前提下,选择若干接入点,使得覆盖总面积至少为 areaRequirement。如果有多种选择方式都满足覆盖需求,则选取总成本最小;若成本相同,则取覆盖总面积最大的方案。如果无法满足需求,则输出0。
思路 这是一个典型的「0-1 背包」变形问题:
- “重量” 对应 每个接入点的成本costi
- “价值” 对应 每个接入点的覆盖面积coveragei
- 背包容量 即 总预算budget
- 目标是保证价值总和geareaRequirement,同时最小化所用“重量”,并在相同重量下最大化价值。
常规做法:
-
使用一维数组
dp[j]表示在预算不超过j时,所能获得的最大覆盖面积。 -
初始化
dp[0…budget] = 0。 -
对于每个接入点,倒序遍历预算j从budget到costi,更新:
dp[j]=max(dp[j],dp[j−costi]+coveragei) -
最后线性扫描
dp[j],找到最小的j满足dp[j]geareaRequirement,并输出该j 及对应的dp[j]。
时间优化
- budget 最大可达10000,n最大10000,直接O(n×budget) 最坏 108 次,Python 可能超时。
- 由于所有成本均为10的倍数,可将成本先除以10,使新背包容量 budget′=budget/10<=1000,将复杂度降为O(n×budget′)<=107,在大多数语言中均可接受。
问题本质分析 本质上是「0-1 背包」问题的双目标优化:
- 主目标:覆盖面积geareaRequirement
- 次目标:总成本最小;若成本相同,则覆盖面积最大
通过一维动态规划记录在不同预算下的最大覆盖面积,即可同时兼顾这两点:最小预算优先被遍历到,覆盖面积又被最大化维护。
C++
#include <bits/stdc++.h>
using namespace std;
int main(){
ios::sync_with_stdio(false);
cin.tie(nullptr);
int areaRequirement, budget, n;
cin >> areaRequirement >> budget >> n;
// 将预算缩放:除以10
int B = budget / 10;
vector<int> dp(B + 1, 0);
for(int i = 0; i < n; i++){
int coverage, cost;
cin >> coverage >> cost;
int c = cost / 10; // 缩放后的成本
// 倒序遍历保证每个物品只选一次
for(int j = B; j >= c; j--){
dp[j] = max(dp[j], dp[j - c] + coverage);
}
}
// 在缩放后容量范围内查找最优解
for(int j = 0; j <= B; j++){
if(dp[j] >= areaRequirement){
// 输出时记得将成本乘回10
cout << j * 10 << " " << dp[j] << "\n";
return 0;
}
}
// 无解
cout << 0 << "\n";
return 0;
}
Python
import sys
# 读取输入
a, b, n = map(int, sys.stdin.readline().split())
# 将预算缩放:除以10
B = b // 10
# dp[j] 表示预算不超过 j*10 时最大覆盖面积
dp = [0] * (B + 1)
for _ in range(n):
coverage, cost = map(int, sys.stdin.readline().split())
c = cost // 10 # 缩放后的成本
# 倒序遍历,保证0-1性质
for j in range(B, c - 1, -1):
dp[j] = max(dp[j], dp[j - c] + coverage)
# 查找最小预算满足覆盖需求
for j in range(B + 1):
if dp[j] >= a:
# 输出时将成本乘回10
print(j * 10, dp[j])
break
else:
# 无解
print(0)
Java
import java.io.*;
import java.util.*;
public class Main {
public static void main(String[] args) throws IOException {
BufferedReader in = new BufferedReader(new InputStreamReader(System.in));
StringTokenizer st = new StringTokenizer(in.readLine());
int areaRequirement = Integer.parseInt(st.nextToken());
int budget = Integer.parseInt(st.nextToken());
int n = Integer.parseInt(st.nextToken());
// 将预算缩放:除以10
int B = budget / 10;
int[] dp = new int[B + 1];
for (int i = 0; i < n; i++) {
st = new StringTokenizer(in.readLine());
int coverage = Integer.parseInt(st.nextToken());
int cost = Integer.parseInt(st.nextToken());
int c = cost / 10; // 缩放后的成本
// 倒序遍历,确保0-1背包
for (int j = B; j >= c; j--) {
dp[j] = Math.max(dp[j], dp[j - c] + coverage);
}
}
// 查找最小预算满足覆盖需求
for (int j = 0; j <= B; j++) {
if (dp[j] >= areaRequirement) {
// 输出时将成本乘回10
System.out.println((j * 10) + " " + dp[j]);
return;
}
}
// 无解
System.out.println(0);
}
}
题目内容
你正在设计一个大型无线网络覆盖计划,目标是通过布置多个无线接入点来覆盖一个区域。每个接入点都有不同的信号覆盖范围,安装成本。在预算有限的情况下,保证网络覆盖需求满足,并且总成本不超过预算。
约束条件:
信号覆盖范围:每个接入点能够覆盖一定的区域,区域面积单位为 m2 。
安装成本:每个接入点有一定的安装成本,单位为元,总成本不应超过预算。
区域需求:你知道整个区域的总覆盖面积需求,单位为 m2。
输入描述
1、第一行包含三个数字
areaRequirement:所需的区域覆盖面积(单位:m20<areaRequirement<=100000)。
budget:总预算(单位:元 0<budget<=10000 budget 为 10 的整数倍)。
n :接入点的数量 (0<n<=10000) 。
2、接下来的 n 行每行包含两个数字,分别是:
coverage :接入点的信号覆盖范围(单位:m20<coverage<=100000)。
cost :接入点的安装成本(单位:元 0<cost=100000 cost 为 10 的整数倍)。
输出描述
1、输出在给定成本内能满足区域覆盖需求的最小预算以及此时的覆盖面积,如果有多个解预算都能满足覆盖范围要求,输出预算最小时最大的覆盖面积
2、如果给出的站点无法满足要求则输出 0 0
样例1
输入
2000 500 3
1000 200
1500 250
800 180
输出
430 2300
说明
1、第一行表示:目标是需要一个信号覆盖范围至少为 2000 m2的区域,总预算为 500 元,共有 3 个接入点可供选择
2、接下来 3 行表示:
接入点 1:覆盖范围 1000 m2,成本 200 元
接入点 2:覆盖范围 1500 m2,成本 250 元
接入点 3:覆盖范围 800 m2,成本 180 元
可选接入点 2 和接入点 3 成本最低 430 元能满足覆盖范围 2300m2
样例2
输入
3000 500 3
1000 200
1500 250
800 180
输出
0 0
说明
1、第一行表示:目标是需要一个信号覆盖范围至少为 3000 m2的区域,总预算为 500 元,共有 3 个接入点可供选择
2、接下来 3 行表示:
接入点 1:覆盖范围 1000 m2,成本 200 元
接入点 2:覆盖范围 1500 m2,成本 250 元
接入点 3:覆盖范围 800 m2,成本 180 元
无论选择哪些接入点,都无法满足 在不超过预算 500 的情况下满足 3000 m2的区域覆盖需求
所以输出 0 0