动态规划解决砝码称重问题：从算法到工程实践

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

1. 重量压缩：先计算所有砝码总重max_weight，dp数组只需开到max_weight
2. 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
3. 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)