poj 1260 dp(买珍珠)

题意:一共有n类珍珠,给出每类珍珠需要的数量,以及它们的单价。按照单价递减的顺序给出。要求用最少的钱买到相同数量的,相同(或更高)质量的珍珠。规定买任一类的珍珠n个(价格为p),都要支付(n+10)*p的钱,即额外支付10*p。(题目描述里有一个例子解释)

思路:首先容易知道,单价最高的珍珠只能用它的单价买到。那么第二高的珍珠或者自己单独买,或者用第一高的价格买到。根据这个思路,设计dp。dp[i][1]表示第i个物品单独拿出买的最低价格;dp[i][0]表示第i个物品用较高单价来买的最低价格。显然dp[i][1] = min(dp[i-1][0],dp[i-1][1]) + (i的数量+10)*i的单价。dp[i][0] = min{dp[j][1] + j-1...i都用j的价格来买的价钱。

可以初始化把从j...i都用j的价格来买存储到数组。

#include <cstdio>
#include <cstring>
#include <algorithm>
#include <cmath>
#include <queue>
#include <cstdlib>
using namespace std;
#define clc(s,t) memset(s,t,sizeof(s))
#define INF 0x3fffffff
#define N 1005
int dp[N][2];
int T,n,w[N],s[N],t[N][N];
int main(){
    scanf("%d",&T);
    while(T--){
        int i,j,now = INF;
        scanf("%d",&n);
        for(i = 1;i<=n;i++)
            scanf("%d %d",&s[i],&w[i]);
        for(i = n;i>=1;i--){                //i到j都用i的价格来买
            t[i][i] = (s[i]+10)*w[i];
            for(j = i-1;j>=1;j--)
                t[i][j] = t[i][j+1] + s[j]*w[i];
        }
        dp[n][0] = INF;
        dp[n][1] = now = (s[n]+10)*w[n];
        for(i = n-1;i>=1;i--){
            dp[i][1] = now+(s[i]+10)*w[i];  //i单独拿出来买
            dp[i][0] = INF;
            for(j = n;j>i;j--)              //用之前的某珍珠的单价
                dp[i][0] = min(dp[i][0],dp[j][1]+t[j][i]-t[j][j]);
            now = min(dp[i][0],dp[i][1]);
        }
        printf("%d\n",now);
    }
    return 0;
}


  • 0
    点赞
  • 1
    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题,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?”的问题,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、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题: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题,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