200219题(简单的01背包问题vivo)

题目:

小v负责一次活动礼品采购,每一款礼品的受欢迎程度(热度值)各不相同,现给出总金额以及各个礼品的单价和热度值,且每个礼品只购买一个,如何购买可以使得所有礼品的总热度值最高。

输入:

第一行是一个正整数,表示总金额(不大于1000)

第二行是一个长度为n的正整数数组,表示礼品单价(n不大于100)

第三行是一个长度为n的正整数数组,表示对应礼品的热度值

输出: 一个正整数,表示可以获得的最高总热度值

样例输入:

1000

200 600 100 180 300 450

6 10 3 4 5 8

样例输出:21

常规的dp,定义dp[i][j]表示当背包大小为 j 时,前 i 件物品的最佳组合对应的最大价值。
二维dp:

#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;

//定义dp[i][j]表示当背包大小为 j 时,前 i 件物品的最佳组合对应的最大价值。
int main() {
	int prices[7] = { 0,200,600,100,180,300,450 };
	int hotness[7] = { 0,6,10,3,4,5,8 };
	vector<vector<int>>dp(6 + 1, vector<int>(1000 + 1, 0));//初始化
	for (int i = 1; i <= 6; i++)
		for (int j = 0; j <= 1000; j++)
		{
			if (j >= prices[i])
			{
				dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - prices[i]] + hotness[i]);
			}
			else
				dp[i][j] = dp[i - 1][j];
		}
	cout << dp[6][1000] << endl;
	system("pause");
	return 0;
}

一维dp:

#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;

//定义dp[j]表示当背包大小为j时最大价值。
int main() {
	int prices[7] = { 0,200,600,100,180,300,450 };
	int hotness[7] = { 0,6,10,3,4,5,8 };
	vector<int>dp(1000 + 1, 0);//初始化
	//dp[0]=0已经被初始化了
	for (int i = 0; i <= 6; i++)
		for (int j = 1000; j - prices[i] >= 0; j--)
		{
			dp[j] = max(dp[j], dp[j - prices[i]] + hotness[i]);
		}
	cout << dp[1000] << endl;
	system("pause");
	return 0;
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问 目标检测涉及以下几个核心问: 分类问:判断图像中的目标属于哪个类别。 定位问:确定目标在图像中的具体位置。 大小问:目标可能具有不同的大小。 形状问:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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