cf1256A Payment Without Change

题目来源:https://codeforces.com/contest/1256/problem/A

翻译:
题目描述
你身上有 a 个 n 元的硬币和 b 个 1 元的硬币。请问能不能在不找零的情况下购买 s元的物品。

输入格式
本题有多组数据。

第一行一个数 q代表有 q组数据。

接下来的 q 行,每行有 4 个数,a,b,n,s含义如题。

输出格式
对于每组数据,如果能在不找零的情况下购买 s 元的物品,则输出"YES" ,反之则输出"NO"。

题目分析:首先我们想着是先尽量用大额的,用n面值的钱数小于等于s的时候,然后再用1面值的进行凑,显然符合要求。那么问题就是求出几张n面值的才小于等于s,就可以用s/n求出有几张,但是这个时候存在一种情况,就是s/n,可能小于a,所以我们要求min(s/n,a),然后再用1面值的来凑,如果总价值大于等于s,则YES,否则NO。
ps:注意使用long long 因为int的数量级为10的9次方。

先来个TLE代码,暴力!!超时!!

#include<iostream>
using namespace std;
int main(){
	int q;
	cin>>q;
	while(q--){
		int a,b,n,s;
		cin>>a>>b>>n>>s;
		while(a*n>s){
			a--;
		}
		if((a*n+b)>=s){
			cout<<"YES"<<endl;
		}else cout<<"NO"<<endl;
	}
	return 0;
}

正确代码

#include<iostream>
#include<algorithm>
using namespace std;
int main(){
	int q;
	cin>>q;
	while(q--){
		long long a,b,n,s;
		cin>>a>>b>>n>>s;
//		while(a*n>s){               //暴力不行
//			a--;
//		}
//		if((a*n+b)>=s){
//			cout<<"YES"<<endl;
//		}else cout<<"NO"<<endl;
		long long MIN=min(a,s/n);
		if((MIN*n+b)>=s){
			cout<<"YES"<<endl;
		}else cout<<"NO"<<endl;
	}
	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