UVA 10163 - Storage Keepers

题目链接~~>

做题感悟:开始感觉写的很对,但是生成数据后就发现不对了,于是改为先求出安全度,再求最小费用。

解题思路:

                先 dp 解出安全度,状态转移方程: dp[ i ] [ j ]  = max( dp[ i ][ j ] ,min( dp[ i - k ][ j - 1 ]  ,g[ j ] / k ) ) , ( 0 <= k <= i  ,0 时特判)  表示枚举 j 管理几个仓库。这样就求出安全度,然后用背包处理一下,转化为容量为个数,价值为个人能力对安全度取余,这样计算最小的费用的时候即为:容量 * 安全度 + 对应的价值,容量大于等于 n ,这样就可以求出最小的费用了。

代码:

#include<iostream>
#include<sstream>
#include<map>
#include<cmath>
#include<fstream>
#include<queue>
#include<vector>
#include<sstream>
#include<cstring>
#include<cstdio>
#include<stack>
#include<bitset>
#include<ctime>
#include<string>
#include<iomanip>
#include<algorithm>
using namespace std  ;
#define INT long long int
const int INF = 0x3f3f3f ;
const double esp = 0.0000000001 ;
const double PI = acos(-1.0) ;
const int mod = 1000000007 ;
const int MY = 100 + 5 ;
const int MX = 100000 + 5 ;
int n ,m ,sum ;
int g[MY]  ;
int dp[MY][MY] ,p[MX] ;
struct node
{
    int v ,c ;
}Tx[MY] ;
int main()
{
    while(scanf("%d%d" ,&n ,&m) ,n+m)
    {
        sum = 0 ;
        for(int i = 1 ;i <= m ; ++i)
        {
            cin>>g[i] ;
            sum += g[i] ;
        }
        memset(dp ,INF ,sizeof(dp)) ;
        for(int i = 1 ;i <= n ; ++i) // 先选出最低的安全度
             dp[i][0] = 0 ;
        for(int i = 1 ;i <= n ; ++i)
          for(int j = 1 ;j <= m ; ++j)
          {
              dp[i][j] = dp[i][j-1] ; //  当前此人不管理仓库
              for(int k = 1 ;k <= i ; ++k) // 当前此人管理 k 个仓库
              {
                  int Max = min(dp[i-k][j-1] ,g[j]/k) ;
                  dp[i][j] = max(dp[i][j] ,Max) ;
              }
          }
        if(!dp[n][m])
        {
            cout<<"0 0"<<endl ;
            continue ;
        }
        int mx = dp[n][m] ;
        int C = sum/mx ,num = 0 ;
        for(int i = 1 ;i <= m ; ++i)
           if(g[i] >= mx)
           {
               Tx[num].v = g[i]/mx ;
               Tx[num++].c = g[i]%mx ;
           }
        memset(p ,INF ,sizeof(p)) ;
        p[0] = 0 ;
        for(int i = 0 ;i < num ; ++i)
         for(int j = C ;j >= Tx[i].v ; --j)
           p[j] = min(p[j] ,p[j-Tx[i].v] + Tx[i].c) ;
        int ans = INF ;
        for(int i = n ;i <= C ; ++i)
           ans = min(ans ,i*mx + p[i]) ;
        cout<<mx<<" "<<ans<<endl ;
    }
    return 0 ;
}



深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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

打赏作者

Linux猿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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