2018搜狐笔试产品包装问题

本文解题参考http://bestmind.space/2017/08/29/

因为看到一半实在看不明白,所以干脆撸起袖子自己干了。本人写的比较繁琐,上面仁兄写的比我简洁。

//解题思路:先处理大尺寸之间不能相互兼容的,因此每个大尺寸需要一个盒子,然后对各个盒子剩余空间进行填充,填充由大到小顺序进行
//大尺寸确定其相关盒子数量后,要看1*1和2*2的填充情况,如果有剩余则要添加盒子。

void getMinBox2()

{
int products[6] = { 0 };
int boxNum = 0;
vector<int> vec;
while (1)
{
boxNum = 0;
cin >> products[0] >> products[1] >> products[2] >> products[3] >> products[4] >> products[5];

boxNum += products[5];//6*6 独占一个盒子

boxNum += products[4];//5*5 一个盒子只能有一个,剩下空间最大可以放11个1*1

boxNum += products[3];//4*4  一个盒子一个,剩下空间最多可以放5个2*2或20个1*1

boxNum += products[2] / 4;//3*3 一个盒子最多可以放4个,剩下空间可以放2*2或1*1或两者的混合

int res3 = products[2] % 4;//计算3*3剩余个数;
if (res3 != 0)//如果有剩余3*3的,则放在一个盒子中,所以加1
{
boxNum += 1;
}

//从4*4的剩余空间处理2*2 (5*5的剩余空间只能存放1*1)
int _44contain22 = products[3] * 5;//4*4剩余空间能容纳最大的2*2的数量
//根据剩余res3(3*3)个数判断剩余空间最大可容纳的2*2的数量  可以通过画图了解,总共有以下情况;
//1,res3==0 则最大可容纳0个2*2(此时3*3刚好填满一个6*6)
//2,res3==1  则最大可容纳5个2*2
//3,res3==2  则最大可容纳3个2*2
//4,res3==3  则最大可容纳1个2*2
//由此建立数组
int _33resContainMax22s[4] = { 0, 5, 3, 1 };
//同理可以建立
int _33resContainMax11s[4] = { 0, 27, 18, 9 };
//首先填充5*5剩余空间(因为此空间只能由1*1填充),
//如果1*1个数 小于等于所有5*5所能容纳的个数,则1*1没有剩余,而且可能存在剩余空间,但是此剩余空间只能浪费。
int res1 = products[0] - (products[0]>products[4] * 11 ? products[4] * 11 : products[0]);//1*1剩余个数,取值[0,products[0]];

//现在分析剩下2*2和1*1的填充情况
//2*2
if (_44contain22 >= products[1])//能够容纳2*2
{
int res44contain22 = _44contain22 - products[1];//剩余可放置2*2空间个数,可用来放置1*1
res1 -= min(res44contain22, res1);
if (res1>0)//说明没装下1*1,得往3*3剩余空间放置。
{
res1 -= min(res1, _33resContainMax11s[res3]);
if (res1>0)
{
boxNum += (ceil((float)res1 / 36));
if (res1 % 36>0)
{
++boxNum;
}
}
}
}
else//4*4剩余空间不能够容纳2*2,则看3*3剩余空间
{
int res2 = products[1] - _44contain22;//剩余2*2个数
if (res2 <= _33resContainMax22s[res3])//3*3剩余空间可以容纳2*2
{
res1 -= min(res1, (36 - res2 * 4 - res3 * 9));
if (res1>0)
{
boxNum += (ceil((float)res1 / 36));
if (res1 % 36>0)
{
++boxNum;
}
}
}
else//3*3剩余空间不能够装下2*2
{
res2 -= _33resContainMax22s[res3];
res2 += res1 / 4;
res1 %= 4;//此时,res1 0,1,2,3
boxNum += (ceil((float)res2 / 9));
if (res2 % 9 > 0 || res1 > 0)//如果res2 % 9 > 0则说明至少一个2*2空间剩余,可以放置1*1
{
++boxNum;
}


}
}
if (!products[0] && !products[1] && !products[2] && !products[3] && !products[4] && !products[5])break;
vec.push_back(boxNum);
}
vector<int>::iterator it = vec.begin();
for (; it != vec.end(); ++it)
{
cout << (*it) << endl;
}
}
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题
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