UVA - 10163 Storage Keepers

题意:

有n个仓库,让m个人来看管。一个仓库只能由一个人来看管,一个人可以看管多个仓库。

每个人有一个能力值pi,如果他看管k个仓库,那么所看管的每个仓库的安全值为 pi/k(向下取整)

如果某个仓库没有人看管,那么它的安全值为0。所有仓库的安全值L = min{ 每个仓库的安全值 }

如果雇佣一个人的工资等于他的能力值pi。

从m个人中选择一些人雇佣,问所有仓库的安全值最高是多少,在安全值最高的情况下,求雇佣的最少价钱。

思路:用f[i][j]表示前i个人管理j个仓库最大的安全值是多少,采用背包问题的取与不取的思想,然后枚举k(就是如果管理多少仓库),详细看代码 ,

至于最少的价钱倒是卡壳了,看了学长的才明白啊 ,我们已经得到最高的安全值了 ,接下来就是开始枚举找满足的情况下找到最小的,只有它的安全值是大于我们已求的,才可能让我们考虑进去,还有就是学到了memset的初始化  ,memset是对字节的初始化,所以以后初始化数组的时候要注意。记住如果要初始化成一个比较大的数的话就用0x3f3f3f3f,单个赋值的话就用1<<30也是可以的

#include <iostream>
#include <cstdio>
#include <algorithm>
#include <cstring>
using namespace std;
const int MAXN = 130;
const int INF = 0x3f3f3f3f;

int n, m;
int f[MAXN][MAXN], g[MAXN][MAXN];
int p[MAXN];

int main(){
    while(scanf("%d%d", &n, &m) && n+m){
        for(int i = 1; i <= m; ++i)
            scanf("%d", &p[i]);
        memset(f, 0, sizeof(f));
        for(int i = 1; i <= m; ++i){
            f[i-1][0] = INF;
            for(int j = 1; j <= n; ++j){
                f[i][j] = f[i-1][j];
                for(int k = 1; k <= j; ++k){
                    f[i][j] = max(f[i][j], min(f[i-1][j-k], p[i]/k));
                }
            }
        }
        memset(g, INF, sizeof(g));
        for(int i = 1; i <= m; ++i){
            g[i-1][0] = 0;
            for(int j = 1; j <= n; ++j){
                g[i][j] = g[i-1][j];
                for(int k = 1; k <= j; ++k){
                    int s = p[i] / k;
                    if(s >= f[m][n]){
                        g[i][j] = min(g[i][j], g[i-1][j-k]+p[i]);
                    }
                }
            }
        }

        printf("%d %d\n", f[m][n], f[m][n]==0?0:g[m][n]);
    }
    return 0;
}





  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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