HDU 4502

吉哥系列故事——临时工计划

动态规划:dp[i]表示i天为止获得的最大工资。

转移方程:dp[i]  =  max{dp[i-1], dp[i], dp[ s[j] - 1 ]+ c[j]},其中e[j] = i;

#include <cstdio>
#include <cstring>
#include <vector>
#include <algorithm>
using std::memset;
using std::vector;
using std::sort;

const int MAXM = 101;
const int MAXN = 1001;
vector<int> timeline[MAXM];
struct JOB
{
    int s,e,c;
}job[MAXN];
int n, m, t, dp[MAXM];

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

int max(int a,int b)
{
    return a<b?b:a;
}

int main()
{
    scanf("%d", &t);
    while(t--)
    {
        scanf("%d%d", &m, &n);
        for(int i = 0; i < n; i++)
        {
            scanf("%d%d%d", &job[i].s, &job[i].e, &job[i].c);
        }

        sort(job, job+n, cmp);

        for(int i = 0 ; i < MAXM; i++)
        {
            timeline[i].clear();
        }

        for(int i = 0 ; i < n; i++)
        {
	    if(job[i].e <= m)
            timeline[job[i].e].push_back(i);
        }

        memset(dp, 0, sizeof(dp));
        for(int i = 1; i <= m; i++)
        {
            int v1 = dp[i-1];
            for(int j = 0 ; j < timeline[i].size(); j++)
            {
                JOB temp = job[timeline[i][j]];
                if(temp.s >= 1)
                {
                    v1 = max(v1, dp[temp.s - 1] + temp.c);
                }
            }
            dp[i] = max(v1, dp[i]);
        }

        int ans = 0;
        for(int i = 1; i <= m; i++)
        {
            ans = max(ans, dp[i]);
        }
        printf("%d\n", ans);
    }
}


  • 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