2021.12.11 烹饪

【题目描述】 
Tom将烹饪N道菜,编号分别为1到N。 
第i道菜需要用烤箱连续烤Ti分钟,一个烤箱不能同时用于两道或两道以上的菜肴。 
如果Tom有两个烤箱可供使用,那么烹调所有N道菜所需的最短时间是多少分钟?假
设除使用烤箱以外的所有过程所需的时间可以忽略不计。 
 
【输入格式】 
第一行输入一个整数N(1≤N≤100)。 
第二行有N个整数T1,T2,…,TN(1≤Ti≤10^3)
 
【输出格式】 
输出一个整数,表示需要的最短时间。 

【输入输出样例1】 

8 3 7 2 5 
13 
【输入输出样例1说明】 
例如,我们可以按如下方法使用两个烤箱,在13分钟内烹调完所有菜肴。 
• 第一个烤箱:按顺序烹饪菜肴5和1。 
• 第二个烤箱:按顺序烹饪菜肴2、4和3。 
 
【输入输出样例2】 

1000 1 

1000 
 
【输入输出样例3】 

3 14 15 9 26 5 35 89 79 

138 

 在理想状态下,最好的方式就是每个烤箱用几乎一样的时间同时进行,这样的时间就一定是最短的,也就是先求平均值,然后设计程序逐步逼近所算出的平均值

依照这种思想,可以用0/1背包问题求解,把平均值看做背包最大容量,时间就是重量,找到小于平均值的最大时间和;

本题实质上就是0/1背包的变形(藏得很隐蔽啊)

附上AC代码

#include<bits/stdc++.h>
using namespace std;
int sum,n;
int f[100001];
int a[101];
int main()
{
//	freopen("cook.in","r",stdin);	freopen("cook.out","w",stdout);
    cin>>n;
    for(int i=1;i<=n;i++) 
    {
    	cin>>a[i];
    	sum+=a[i];
    }
    int ans=sum/2;
    for(int i=1;i<=n;i++)
    {
    	for(int j=ans;j>=a[i];j--)
    	{
    		f[j]=max(f[j],f[j-a[i]]+a[i]);
    	}
    }
    cout<<max(f[ans],sum-f[ans]);
	return 0;
}

最后有一个比较是因为并不是每次的答案都在平均数左右,比如样例2中的答案就和平均数差距很远。

还要多练习啊    

首先,需要将数据转换成pandas的DataFrame格式,代码如下: ```python import pandas as pd data = {'日期/项目(A厂)': ['2021.1.1', '2021.1.2', '2021.1.3', '2021.1.4', '2021.1.5', '2021.1.6', '2021.1.7', '2021.1.8', '2021.1.9', '2021.1.10', '2021.1.11', '2021.1.12', '2021.1.13', '2021.1.14', '2021.1.15', '2021.1.16', '2021.1.17', '2021.1.18', '2021.1.19', '2021.1.20', '2021.1.21', '2021.1.22', '2021.1.23', '2021.1.24', '2021.1.25', '2021.1.26', '2021.1.27', '2021.1.28', '2021.1.29', '2021.1.30', '2021.1.31'], '进水': [149, 164, 86, 164, 146, 136, 93, 96, 90, 134, 141, None, None, None, 138, 138, 161, None, None, None, None, None, None, None, None, None, 114, 107, 121, None, None], 'COD': [20.1, 10.1, 37.1, 16.4, 10.9, 18.7, 17.2, 17.1, 18.5, 23.8, 17.7, 15.6, 11.0, 19.5, 18.5, 15.2, 16.5, 16.3, 17.3, 29.5, 20.7, 19.5, 18.9, 12.0, 23.9, 11.7, 10.6, 11.1, 14.2, 10.6, 12.5], '氨氮': [3.54, 0.65, 1.92, 1.44, 0.84, 1.59, 1.15, 1.61, 1.42, 2.46, 2.50, 1.48, 1.04, 3.55, 1.60, 1.82, 2.60, 2.10, 1.54, 3.54, 2.67, 3.25, 2.12, 2.38, 2.34, 1.51, 1.58, 1.31, 1.66, 1.26, 1.71], '总磷': [30.7, 20.1, 44.1, 21.5, 18.4, 29.7, 23.5, 24.2, 26.9, 31.7, 28.3, None, None, 24.0, 26.9, 27.8, 20.5, 27.9, 31.8, 37.8, 24.9, 29.3, None, 23.4, 23.5, 12.4, 27.9, 19.3, 17.6, 19.5, 15.4]} df = pd.DataFrame(data) ``` 接下来,我们可以使用matplotlib库进行数据可视化,这里我选择绘制折线图。代码如下: ```python import matplotlib.pyplot as plt # 设置图形大小 plt.figure(figsize=(10, 6)) # 绘制折线图 plt.plot(df['日期/项目(A厂)'], df['进水'], label='进水') plt.plot(df['日期/项目(A厂)'], df['COD'], label='COD') plt.plot(df['日期/项目(A厂)'], df['氨氮'], label='氨氮') plt.plot(df['日期/项目(A厂)'], df['总磷'], label='总磷') # 添加标题和标签 plt.title('A厂水质监测', fontsize=16) plt.xlabel('日期', fontsize=12) plt.ylabel('含量', fontsize=12) # 添加图例 plt.legend() # 显示图形 plt.show() ``` 运行上述代码,即可得到一张含有4条曲线的折线图,用于展示A厂水质监测数据的趋势。
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