动态规划解决砝码称重问题：从算法到工程实践-代码聚汇网

动态规划解决砝码称重问题：从算法到工程实践

随缘惜情

1. 问题背景与需求解析

这道来自华为机考的"称砝码"题目，表面看是个简单的组合数学问题，实则考察了动态规划在实际场景中的应用能力。题目通常给出n种不同重量的砝码各若干枚，要求计算出这些砝码能够称出的所有不同重量组合。

在实际工作中，这类问题常见于物流称重、实验室测量、工业生产等需要精确计量场景。比如快递公司需要知道现有砝码组合能称量哪些包裹重量，药厂需要确认原料配比时能覆盖的称重范围。

2. 核心算法思路拆解

2.1 暴力枚举法的局限性

最直观的解法是枚举所有可能的砝码组合。假设有3种砝码，每种最多使用m个，时间复杂度高达O(m^n)。当n=10，m=10时，组合数达到100亿级，显然不可行。

实际机考中，n通常在1-10范围内，每种砝码数量不超过2000个，总重不超过20000

2.2 动态规划解法原理

采用背包问题思路，定义dp数组：

dp[i]表示重量i能否被称出
初始dp[0]=true（重量0总是可达）
遍历每种砝码，更新可达重量状态

关键状态转移方程：

python复制for 砝码重量w in weights:
    for 数量k in counts:
        for j from max_weight downto w*k:
            if dp[j - w*k]:
                dp[j] = True

2.3 算法优化技巧

重量压缩：先计算所有砝码总重max_weight，dp数组只需开到max_weight
提前终止：当某种砝码的所有可能组合都无法产生新重量时提前跳出循环
砝码去重：合并相同重量的砝码，减少无效计算

3. 完整实现与代码注解

3.1 Python实现示例

python复制def count_weights(weights, counts):
    max_weight = sum(w*c for w,c in zip(weights, counts))
    dp = [False]*(max_weight + 1)
    dp[0] = True
    
    for w, c in zip(weights, counts):
        for j in range(max_weight, -1, -1):
            if dp[j]:
                for k in range(1, c+1):
                    if j + w*k <= max_weight:
                        dp[j + w*k] = True
    return sum(dp) - 1  # 排除重量0

3.2 关键参数说明

参数	类型	说明
weights	List[int]	各砝码的单重
counts	List[int]	对应砝码的数量
max_weight	int	动态规划数组大小
dp	List[bool]	状态记录数组

3.3 复杂度分析

时间复杂度：O(n * W * k)，其中n是砝码种类，W是总重量，k是平均每种砝码数量
空间复杂度：O(W)，取决于总重量规模

4. 边界条件与特殊测试用例

4.1 常见边界情况

单一砝码：
- 输入：weights=[1], counts=[5]
- 输出：5（可称1,2,3,4,5）
零重量砝码：
- 输入：weights=[0,1], counts=[2,3]
- 应过滤掉0重量砝码
超大数量：
- 输入：weights=[1], counts=[2000]
- 需确保算法效率

4.2 测试用例设计策略

python复制test_cases = [
    # 常规情况
    ([1,2,3], [2,1,1], 8),
    # 所有砝码相同
    ([5], [4], 4),
    # 包含重复重量
    ([1,1,2], [3,2,1], 9),
    # 极值测试
    ([1]*10, [2000]*10, 20000)
]

5. 工程实践中的优化技巧

5.1 内存优化方案

当总重量较大时（如20000）：

使用bitset代替bool数组，每个bit表示1g
Python可用bytearray或array('B')

优化后实现：

python复制def count_weights_optimized(weights, counts):
    max_weight = sum(w*c for w,c in zip(weights, counts))
    dp = bytearray((max_weight + 7) // 8)
    dp[0] |= 1
    
    for w, c in zip(weights, counts):
        for j in range(max_weight, -1, -1):
            if dp[j // 8] & (1 << (j % 8)):
                for k in range(1, c+1):
                    if j + w*k <= max_weight:
                        dp[(j + w*k) // 8] |= 1 << ((j + w*k) % 8)
    return bin(int.from_bytes(dp, 'big')).count('1') - 1

5.2 多语言实现对比

语言	特点	适用场景
Python	代码简洁，开发快	机考、原型验证
C++	bitset性能最优	嵌入式称重系统
Java	平衡开发效率与性能	企业级应用

6. 实际应用场景扩展

6.1 物流称重系统

快递公司需要根据现有砝码配置：

确认能称量的包裹重量范围
优化砝码采购组合
动态调整各网点砝码分配

6.2 实验室测量方案

化学实验中的精确称量：

最小可称量单位确定
误差范围计算
替代砝码组合方案

6.3 工业生产质量控制

汽车零件产线：

零件重量分拣
不良品自动检测
多工位称重协同

7. 常见问题排查指南

7.1 错误现象：结果偏少

可能原因：

砝码组合未考虑所有排列
- 解决：确保外层循环遍历所有砝码类型
动态规划更新顺序错误
- 解决：必须从大到小更新dp数组

7.2 错误现象：内存溢出