LeetCode 410 Split Array Largest Sum

题目链接:
https://leetcode.com/problems/split-array-largest-sum/?tab=Description
题目:
这里写图片描述
代码:

#include <iostream>
#include<cstdio>
#include<vector>
#define maxn 1005
using namespace std;
vector<int >aa;
using namespace std;

 bool guess(long long mid ,vector<int>& nums,int m)
    {
        long long sum=0;
        for(int i=0;i<nums.size();i++)
        {
            if(sum+nums[i]>mid)
            {
                m--;
                sum=nums[i];
                if(nums[i]>mid)
                  return false;
            }
            else
                sum+=nums[i];
        }
        return m>=1;
    }
    ///返回值是 long long 型
    long long splitArray(vector<int>& nums, int m)
    {
              ///在这里要非常注意R(右边界)的初值是1而不是0
        long long R=1,L=0,ans=0;
        for(int i=0;i<nums.size();i++)
            R+=(long long)nums[i];
        while(L<R)
        {
                  ///
          long long mid=(L+R)/2;
          if(guess(mid,nums,m))
          {
          ///
              ans=mid;
              R=mid;
          }
          else
          {
          ///
              L=mid+1;
          }
        }
       return ans;
    }
int main()
{
    int n,m;
    while(scanf("%d%d",&n,&m)==2)
    {
              int a;
              for(int i=0;i<n;i++)
              {
                        scanf("%d",&a);
                        ///vector向量向尾部添加元素
                        aa.push_back(a);
              }
              // printf("%lld\n",splitArray(aa,m));
        ///用cout输出数据不需要指明数据的格式以及位数,比较方便
              cout<<splitArray(aa,m)<<endl;
    }
    return 0;
}

注解:
1、二分法的精髓是:函数单调性(正相关或者负相关)+计算内容的重复;
2、猜答案——>判定,模板基本如上所示;
3、谨防使用二分法犯的错误:左闭右开、已经计算过的值不重复参与计算。

  • 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