E - Doing Homework again hd 1789

E - Doing Homework again

Time Limit:1000MS Memory Limit:32768KB 64bit IO Format:%I64d & %I64u
Submit

Status
Description
zichen has just come back school from the 30th ACM/ ICPC. Now he has a lot of homework to do. Every teacher gives him a deadline of handing in the homework. If zichen hands in the homework after the deadline, the teacher will reduce his score of the final test. And now we assume that doing everyone homework always takes one day. So zichen wants you to help him to arrange the order of doing homework to minimize the reduced score.
Input
The input contains several test cases. The first line of the input is a single integer T that is the number of test cases. T test cases follow.
Each test case start with a positive integer N(1<=N<=1000) which indicate the number of homework.. Then 2 lines follow. The first line contains N integers that indicate the deadlines of the subjects, and the next line contains N integers that indicate the reduced scores.
Output
For each test case, you should output the smallest total reduced score, one line per test case.
Sample Input

3
3
3 3 3
10 5 1
3
1 3 1
6 2 3
7
1 4 6 4 2 4 3
3 2 1 7 6 5 4

Sample Output

0
3
5


  1. 题意:有n个任务,每个任务都有结止日期和逾期相应的处罚,问你如何选择使处罚最少,每项任务消耗的时间都为1天。
  2. 思路:对处罚的分数进行贪心选择,应该尽量考虑将处分大的做完,第一个要考虑的就是一定要把处分最大的做完,用递归思想,将第一个元素去除,对剩下的元素进行选择,所以第二步要把第二大的做完,但是否能做完呢,还要具体判断,因为当前最优选择可能会受上一步最优选择的影响,即当前最优选择会对后面的选择造成影响。例如:对于第一个处分最大的任务,你无论如何都要在他的截止日期之前将其做完,因为都是一天一个任务,要使处分最低,应该尽量让处分高的做完;对于第二个要考虑的是处分次大的,也要考虑在他的截止时间之前将其完成,但此时处分最大的可能会对其造成影响,如果有一天已被第一个占据,则第二个不能再考虑这天了…… 以此类推,第i个处分大的是否能完成就要看在他的截止日期之前是否有空的一天。对于[1,i)区间的任务所占据的日期,不应再考虑。 可以看出此过程为贪心过程,每一次选择都为当前的最优选择,符合递归思想。
  3. 失误:选择依据没想好,第i天做第i大的任务。对于此类题,应该用递归的思想,从第一步选择开始,选择一个然后在对余下的进行选择,多进行几次,推断出贪心选择的依据,思路明白了,就好写了。如这个题是最大区间不相交类型的:将截止日期与第一天看成时间区间,那么对于所有的任务都可以在时间轴上标出他的可以做的时间区间如果两个区间相交,则相交部分对于处罚小的无效,多个相交只对最大的有效。但是,这种可能不太·好转化,尽可能的举例子来验证自己的想法。
  4. 代码如下:
#include<iostream>
#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;

struct node{
    int ded;
    int sco;
}stu[1000+10];

bool cmp(node a,node b)
{
    if(a.sco !=b.sco )
    return a.sco >b.sco;
    return a.ded <b.ded;
}

int main()
{
    int t,n,i,j,redu,day[1000+10];
    cin>>t;
    while(t--)
    {
        cin>>n;
        for(i=1;i<=n;++i)
        {
            cin>>stu[i].ded;
        }
        for(i=1;i<=n;++i)
        {
            cin>>stu[i].sco;
        }

        sort(stu+1,stu+n+1,cmp); 

        redu=0;
        memset(day,0,sizeof(day));//初始阶段每一天都没任务 
        for(i=1;i<=n;++i)  //从处罚最大的开始查找 
        {
            for(j=stu[i].ded;j>0;--j)//从当前任务的截止日期开始一直到第一天 
            {
                if(day[j]==0)//如果查到有没被之前任务占据的则此任务就在这一天做 
                {
                    day[j]=1;
                    break;
                }
            }

            if(j==0)//如果没查找到 这个任务就要被处罚 
            {
                redu+=stu[i].sco;
            }
        }

        cout<<redu<<endl;
    }
    return 0;
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
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