K GPA Involution

https://ac.nowcoder.com/acm/contest/9934/K

读完题就感觉要是结构体排序,你排a或者b都一样。
sort一遍之后,对于每个ai,可以知道你选不选aj(j<i)对于a是没有影响的,但是呢,如果你aj不选,bj就会选上,同时对于k>i的部分b是都选的,所以bj如果比bk大的话就会变成错误答案(bj比bk小就没事),所以我们i前面的部分都选a。
于是对于每个i的答案就是ai+i后面部分b的最大值,也就是ai+max(bi+1,bi+2…bn-1),这里去求max不用从i+1遍历到n-1,我们可以倒着来,从n-1到0,每个i对应的max就是max(bi,max(i+1))。
最后就是遍历一遍去找到每个i对应答案的最小值。这里有个坑点,还有a全选和b全选的情况要考虑进去。

#include <bits/stdc++.h>
using namespace std;
const int N = 1e9 + 1;

struct stu {
	long long a;
	long long b;
	long long maxb;
	long long ans;
};
struct stu a[2000001];

bool cmp(stu a, stu b) {
	return a.a < b.a;
}

int main() {
	int n;
	scanf("%d", &n);
	long long ma = 0, mb = 0;
	for (int i = 0; i < n; i++) {
		scanf("%lld", &a[i].a);
		ma = max(ma, a[i].a);
	}
	for (int i = 0; i < n; i++) {
		scanf("%lld", &a[i].b);
		mb = max(mb, a[i].b);
	}
	sort(a, a + n, cmp);
	long long ANS = N;
	for (int i = n - 1; i >= 0 ; i--) {
		if (i == n - 1) {
			a[i].maxb = a[i].b;
		} else {
			a[i].maxb = max(a[i].b, a[i + 1].maxb);
		}
		a[i].ans = a[i].a + a[i + 1].maxb;
	}
	for (int i = 0; i < n; i++) {
		ANS = min(ANS, a[i].ans);
	}
	ANS = min(ANS, ma);
	ANS = min(ANS, mb);
	printf("%lld", ANS);
	return 0;
}
involution算子是一种在图像处理中广泛应用的操作,可以加强图像边缘或纹理的细节。 要用Python实现involution算子,我们可以按照以下步骤进行: 1. 首先,导入必要的库,例如OpenCV和NumPy。 2. 加载输入图像,并将其转换为灰度图像,以便于后续处理。 3. 定义一个involution核(kernel)。involution核通常是一个小的正方形矩阵,我们可以使用NumPy数组来表示。根据需求,一般会选择3x3或5x5大小的involution核。 4. 使用OpenCV的滤波函数(filter2D)将involution核应用于灰度图像中。滤波函数会在图像的每个像素位置上进行操作,通过对应的像素位置和邻域计算新的像素值。 5. 最后,显示或保存处理后的图像。 下面是一个简单的示例代码实现: ```python import cv2 import numpy as np # 加载输入图像并转换为灰度图像 image = cv2.imread('input_image.jpg') gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 定义involutioninvolution_kernel = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]]) # 应用involutioninvolution_result = cv2.filter2D(gray_image, -1, involution_kernel) # 显示处理后的图像 cv2.imshow('Involution Result', involution_result) cv2.waitKey(0) cv2.destroyAllWindows() ``` 请注意,此示例实现仅仅是使用一个简单的involution核进行处理,实际上,involution核的设计可能会因不同的要求而有所变化。对于更复杂的involution操作,还可以使用不同的involution核、多次迭代或结合其他处理方法来实现。
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