2011肠衣问题

article/2025/8/3 20:01:10

1 D类竞赛题目---具体题目

D题 天然肠衣搭配问题

天然肠衣(以下简称肠衣)制作加工是我国的一个传统产业,出口量占世界首位。肠衣经过清洗整理后被分割成长度不等的小段(原料),进入组装工序。

传统的生产方式依靠人工,边丈量原料长度边心算,将原材料按指定根数和总长度组装出成品(捆)。

原料按长度分档,通常以0.5米为一档,如:3-3.4米按3米计算,3.5米-3.9米按3.5米计算,其余的依此类推。表1是几种常见成品的规格,长度单位为米,∞表示没有上限,但实际长度小于26米

表1 成品规格表

最短长度

最大长度

根数

总长度

3

6.5

20

89

7

13.5

8

89

14

5

89

为了提高生产效率,公司计划改变组装工艺,先丈量所有原料,建立一个原料表。表2为某批次原料描述。

表2 原料描述表

长度

3-3.4

3.5-3.9

4-4.4

4.5-4.9

5-5.4

5.5-5.9

6-6.4

6.5-6.9

根数

43

59

39

41

27

28

34

21

长度

7-7.4

7.5-7.9

8-8.4

8.5-8.9

9-9.4

9.5-9.9

10-10.4

10.5-10.9

根数

24

24

20

25

21

23

21

18

长度

11-11.4

11.5-11.9

12-12.4

12.5-12.9

13-13.4

13.5-13.9

14-14.4

14.5-14.9

根数

31

23

22

59

18

25

35

29

长度

15-15.4

15.5-15.9

16-16.4

16.5-16.9

17-17.4

17.5-17.9

18-18.4

18.5-18.9

根数

30

42

28

42

45

49

50

64

长度

19-19.4

19.5-19.9

20-20.4

20.5-20.9

21-21.4

21.5-21.9

22-22.4

22.5-22.9

根数

52

63

49

35

27

16

12

2

长度

23-23.4

23.5-23.9

24-24.4

24.5-24.9

25-25.4

25.5-25.9

根数

0

6

0

0

0

1

根据以上成品和原料描述,设计一个原料搭配方案,工人根据这个方案“照方抓药”进行生产。

公司对搭配方案有以下具体要求:

这个直接就是表达式

(1) 对于给定的一批原料,装出的成品捆数越多越好

(2) 对于成品捆数相同的方案,最短长度最长的成品越多,方案越好;

(3) 为提高原料使用率,总长度允许有± 0.5米的误差,总根数允许比标准少1根

(4) 某种规格对应原料如果出现剩余,可以降级使用。如长度为14米的原料可以和长度介于7-13.5米的进行捆扎,成品属于7-13.5米的规格;

请建立上述问题的数学模型,给出求解方法,并对表1、表2给出的实际数据进行求解,给出搭配方案

2 第一条思路--打药方

我们看到题目有这么这个字眼
对于成品捆数相同的方案,最短长度最长的成品越多,方案越好
这个是解决这个题目的关键,最后一个方案越多,方案越好

14

5

89

就是这个方案越多越好,那么我们就要想办法,怎么得出这个方案越多的方法,那么我们就可以想到用0-1变量,为什么我们会想到0-1变量来解决这个问题呢?

我们可以看到题目有这么个字眼
设计一个原料搭配方案,工人根据这个方案“照方抓药”进行生产
这个代表什么呢?就是我们要得到关于14~25.5的这些肠衣里面去挑选,我们要列举去这全部的挑选方案,什么是挑选方案呢?我们可以看到每一个方案后面都会有一个最大长度,那么14~∞这个的最大长度就是89,那么我们只需要挑选的时候,得到这个全部的挑选的方案在88.5~89.5长度里面,那么我们就可以用dfs算法来进行排列枚举,在24种肠衣里面进行挑选就好了,那么就是dfs的组合型枚举

我们利用C++里面的文件输出流和输入流来进行解决这个问题

#include<iostream>
#include<vector>
#include<cstring>
#include<fstream>
using namespace std;long long res4, res5;
const int n = 24;
int ans1[25], ans2[25];double a[25] = {0,14,14.5,15,15.5,16,16.5,17,17.5,18,18.5,19,19.5,20,20.5,21,21.5,22,22.5,23,23.5,24,24.5,25,25.5
};ofstream outFile("output3.csv");void printPattern(int* selected) {double sum = 0;for (int i = 1; i <= 24; i++) {if (selected[i] > 0) sum += a[i] * selected[i];}outFile << sum << ",";for (int i = 1; i <= 24; i++) {outFile << selected[i];if (i < 24) outFile << ",";}outFile << endl;
}void dfs4(int x, int start) {if (x > 4) {double sum = 0;for (int i = 1; i <= 24; i++) {sum += a[i] * ans1[i];}if (sum >= 88.5 && sum <= 89.5) {res4++;printPattern(ans1);}return;}for (int i = start; i <= 24; i++) {ans1[i]++;dfs4(x + 1, i);ans1[i]--;}
}void dfs5(int x, int start) {if (x > 5) {double sum = 0;for (int i = 1; i <= 24; i++) {sum += a[i] * ans2[i];}if (sum >= 88.5 && sum <= 89.5) {res5++;printPattern(ans2);}return;}for (int i = start; i <= 24; i++) {ans2[i]++;dfs5(x + 1, i);ans2[i]--;}
}int main() {memset(ans1, 0, sizeof(ans1));memset(ans2, 0, sizeof(ans2));dfs4(1, 1);dfs5(1, 1);cout << res4 + res5 << endl;outFile.close();return 0;
}

我们来理解一下这个dfs的思路

void dfs5(int x, int start) {if (x > 5) {double sum = 0;for (int i = 1; i <= 24; i++) {sum += a[i] * ans2[i];}if (sum >= 88.5 && sum <= 89.5) {res5++;printPattern(ans2);}return;}for (int i = start; i <= 24; i++) {ans2[i]++;dfs5(x + 1, i);ans2[i]--;}
}

这个是我们在可以选择重复的,其实这个start不用也是可以的,思路就是我们这个数字的状态就是选择和未选择,当到达5种的时候就直接进行return,然后我们就加上这个对应的数组,然后这个ans是可以代表这个种类选择了多少,然后如果成立的话就输出这个ans就好了

这个时候我们就可以输出到xlx表格上面了,输出文件对应的函数是outFile这方法,输出到表格上面,输出,是表示换到下一列去进行输出

3 按药方进行抓药

这个时候我们有xlsx表格里面存储着这个药房的种类,那么我们就进行按药房抓药就好了,我们还可以很据上面的程序得出这个总的方案数为4286,然后我根据这些药房进行抓取就好了

我们有这么多的方案数,那么就是我们要在这些方案里面的出更多的捆数,因为这就是所有的捆的方案了,我们只需要进行最大值,就是在这么多捆里面得出最大值就好了

所以我们可以写出一个表达式为
 


这里的2783改为4286,然后我们就要进行约束变量

我们在进行捆的时候,我们捆的是不可以超过他原本给的肠衣的数量的,所以我们就可以建立一个这样的约束条件

模型的学习

这里的bij表示的这个表示这第i种方案的第j种的肠衣的数量,我们把4286所挑选的同一个肠衣的数量进行相加,那么就可以得到这个每一个肠衣数量,然后根这歌aj进行比较也就是对应的肠衣的数量,这样我们就可以得到这歌最大的捆数,这样后面的捆数也是是十分简单就可以进行求解的

4 总结

1 0-1变量的模型构建

1 0-1变量什么时候使用?
当我们在建立最短或者最多这种类型问题的时候,一般都要考虑要用0-1变量,为什么呢?就比如这一个题目,就是我们在进行挑选出最多的捆数的时候,我们只要把所有的捆数进行捆出来,因为这些药材只可以这么捆,得到了这些捆数的方案的话,那么就可以进行对于这么多种类的捆数进行挑选,我们只需要找到最多的的捆数就好了,这个时候就可以用0-1变量,因为只可以捆这么多,我们在最大值加1就好了

2 0-1变量新的构建方法

构建0-1变量模型的时候,我们会遇到类似于这歌题目的情况,例如我们每一个方案里面有多个数据,但是这个数据又有约束
我们根据LINGO编程的技巧来想,求和为sum,后面的约束入i =1..128,这种是进行一个循环
那么我们就可以求和对于这么多种的方案,然后循环对于这些24种的
 


我们就可以获得这样的约束条件,这就是一个循环一个sum,这样我们就可以进行不断地进行比较了

2 组合

这个直接用我们dfs算法就可以解决了


http://www.hkcw.cn/article/dnPpflsEAC.shtml

相关文章

Express教程【001】:Express创建基本的Web服务器

文章目录 1、初识express1.1 什么是Express1.2 主要特点1.3 Express的基本使用1.3.1 安装1.3.2 创建基本的Web服务器 1、初识express 目标&#xff1a; 能够使用express.static()快速托管静态资源能够使用express路由精简项目结构能够使用常见的express中间件能够使用express创…

CentOS 7 环境中部署 LNMP(Linux + Nginx + MySQL 5.7 + PHP)

在 CentOS 7 环境中部署 LNMP&#xff08;Linux Nginx MySQL 5.7 PHP&#xff09; 环境的详细步骤如下。此方案确保各组件版本兼容&#xff0c;并提供完整的配置验证流程。 1. 更新系统 sudo yum update -y 2. 安装 MySQL 5.7 2.1 添加 MySQL 官方 YUM 仓库 由于MySQL并不…

从零打造算法题刷题助手:Agent搭建保姆级攻略

我用Trae 做了一个有意思的Agent 「大厂机试助手」。 点击 https://s.trae.com.cn/a/d2a596 立即复刻&#xff0c;一起来玩吧&#xff01; Agent 简介 Agent名称为大厂机试助手&#xff0c;主要功能有以下三点。 解题&#xff1a; 根据用户给出的题目给出具体的解题思路引导做…

华院计算出席信创论坛,分享AI教育创新实践并与燧原科技共同推出教育一体机

5月21日&#xff0c;信创论坛于上海漕河泾会议中心举办。本次论坛以“聚力融合&#xff0c;繁荣生态”为主题&#xff0c;话题聚焦工业制造、交通运输、金融、教育、医疗等领域。华院计算技术&#xff08;上海&#xff09;股份有限公司&#xff08;以下简称“华院计算”&#x…

MyBatis操作数据库

1.MyBatis:MyBatis是一款优秀的持久层框架,用于简化JDBC的开发.(持久层通常指数据访问层,用来操作数据库). 创建userInfo表,并插入如下数据: 在model中建立userinfo实体类,属性与之一一对应. 配置数据库连接字符串,Mybatis中要连接数据库,需要数据库相关参数配置. 接下来就可…

OCC笔记:BRepMesh_IncrementalMesh的使用

1. 函数接口 2. 线性偏转与角度偏转 2.1. theLineDeflection&#xff1a;线性偏转 根据文档推导下 isRelative传入Standard_True时&#xff0c;theLineDeflection为相对值。 参看isRelative说明 //! param isRelative if TRUE deflection used for discretization of //! ea…

调试技巧总结

目录 一.调试1.什么是调试2.调试语义的分类2.1 静态语义2.2 动态语义 二.实用的调试技巧1.屏蔽代码2.借助打印3.查看汇编代码4.调试技巧总结 一.调试 1.什么是调试 调试&#xff0c;通俗易懂地说就是不断排查代码的错误&#xff0c;进行修正的过程&#xff0c;在写代码的时候…

通过实时动作捕捉加速人形机器人训练

通过实时动作捕捉加速人形机器人训练 用于训练、控制和性能优化的精确实时运动学——受到全球机器人创新者的信赖&#xff01; 为什么选择 Xsens 进行人形机器人训练&#xff1f; 无与伦比的运动数据精度-经过科学验证的运动数据&#xff0c;用于简化AI/ML训练。 轻松集成到…

【UE5 C++】绘制地表贴合线

目录 原理 效果 步骤 源码 原理 先设置绘制线段的起点和终点&#xff0c;然后我们将起点和终点的高度升高&#xff0c;然后通过插值&#xff0c;在起点和终点之间添加多个点&#xff0c;再由这些点向地心发出射线&#xff0c;这样我们就可以获取到这些点在地表的投影点&…

01 redis 的环境搭建

前言 这一系列文章主要包含的内容主要是 各种常用软件的调试环境的搭建 主要的目的是 搭建一个可打断点的一个调试环境 c 系列 主要是基于 clion 调试, java 系列主要是基于 idea 调试, js 系列主要是基于 webstorm 调试 需要有一定的 c, c, java, js 相关基础 基于的…

python打卡训练营打卡记录day40

知识点回顾&#xff1a; 彩色和灰度图片测试和训练的规范写法&#xff1a;封装在函数中展平操作&#xff1a;除第一个维度batchsize外全部展平dropout操作&#xff1a;训练阶段随机丢弃神经元&#xff0c;测试阶段eval模式关闭dropout 作业&#xff1a;仔细学习下测试和训练代码…

Tailwind CSS 实战:基于 Kooboo 构建 AI 对话框页面(五):语音合成输出与交互增强

Tailwind CSS 实战&#xff0c;基于Kooboo构建AI对话框页面&#xff08;一&#xff09; Tailwind CSS 实战&#xff0c;基于Kooboo构建AI对话框页面&#xff08;二&#xff09;&#xff1a;实现交互功能 Tailwind CSS 实战&#xff0c;基于 Kooboo 构建 AI 对话框页面&#x…

【MySQL】MVCC与Read View

目录 一、数据库并发的三种场景 二、读写场景的MVCC &#xff08;一&#xff09;表中的三个隐藏字段 &#xff08;二&#xff09;undo 日志 &#xff08;三&#xff09;模拟MVCC &#xff08;四&#xff09;Read View &#xff08;五&#xff09;当前读和快照读 三、RC和…

代码随想录打卡|Day53 图论(Floyd 算法精讲 、A * 算法精讲 (A star算法)、最短路算法总结篇、图论总结 )

图论part11 Floyd 算法精讲 代码随想录链接 题目链接 代码 三维DP数组 import java.util.Scanner;public class Main {// 定义最大距离值&#xff0c;避免使用Integer.MAX_VALUE防止加法溢出public static final int INF 100000000; // 10^8足够大且不会溢出public static…

CSS Day07

1.搭建项目目录 2.网页头部SEO三大标签 3.Favicon图标与版心 &#xff08;1&#xff09;Favicon图标 &#xff08;2&#xff09;版心 4.快捷导航 5.头部-布局 6.头部-logo 7.头部-导航 8.头部-搜索 9头部-购物车 10.底部-布局 11.底部-服务区域 12.底部-帮助中心 13.底部-版权…

leetcode hot100刷题日记——29.合并两个有序链表

解答&#xff1a; 方法一&#xff1a;递归 递归的边界条件是啥呢&#xff1f; 递归别想那么多具体步骤&#xff0c;考虑大步骤&#xff0c;小的递归自己会去做的 class Solution { public:ListNode* mergeTwoLists(ListNode* list1, ListNode* list2) {//递归比较大小//先考虑…

Spring Boot 整合 Spring Security

DAY30.1 Java核心基础 Spring Boot 整合安全框架 Spring Security 、Shiro Spring Security Spring Security 的核心功能包括认证、授权、攻击防护&#xff0c;通过大量的过滤器和拦截器进行请求的拦截和验证&#xff0c;实现安全校验的功能。 Spring Security 将校验逻辑…

深度剖析Node.js的原理及事件方式

早些年就接触过Node.js&#xff0c;当时对于这个连接前后端框架就感到很特别。尤其是以独特的异步阻塞特性&#xff0c;重塑了了服务器端编程的范式。后来陆陆续续做了不少项目&#xff0c;通过实践对它或多或少增强了不少理解。今天&#xff0c;我试着将从将从原理层剖析其运行…

智慧景区一体化建设方案

随着2023年文旅部《关于推动智慧旅游发展的指导意见》出台&#xff0c;全国景区掀起数字化转型浪潮。如何在激烈竞争中脱颖而出&#xff1f;智慧景区一体化建设方案&#xff0c;正以“一机游遍景区、一屏掌控全局”的革新模式&#xff0c;重新定义旅游体验与管理效率。本文深度…

使用 SymPy 操作三维向量的反对称矩阵

在三维空间中&#xff0c;一个 3 1 3 \times 1 31 向量可以转换为一个 3 3 3 \times 3 33 的反对称矩阵。这种转换在物理学、机器人学和计算机视觉等领域非常有用。本文将详细介绍如何在 Python 的 SymPy 库中定义和使用这种反对称矩阵。 数学背景 对于一个三维向量 v …