洛谷P1065 作业调度方案 模拟

这题向我说明了读题目的重要性
这题题目有一个坑点 1 1 2 3 3 2
比如说这组样例 工件1 一定要在 第一道工序中是最先开始的,
然后 1也一定要在第二组工序中最先开始的
但是,工件3的第一道工序却可以先于 1 的第二道工序完成
因为只是相同工序中首先完成

 

 1 #include <cstdio>
 2 #include <cmath>
 3 #include <cstdlib>
 4 #include <cstring>
 5 #include <algorithm>
 6 #include <iomanip>
 7 #include <iostream> 
 8 using namespace std  ;
 9 
10 int i,j,k,m,n,tmp1,tmp2,tmpm,ans ;
11 int what[21][21],t[21][21],a[411],cnt[21],last_[21] ;
12 bool rec[21][8001] ; 
13 
14 int main() 
15 {
16     scanf("%d%d",&m,&n) ;
17     for(i=1;i<=n*m;i++) scanf("%d",&a[ i ]) ; 
18     for(i=1;i<=n;i++) 
19         for(j=1;j<=m;j++) 
20             scanf("%d",&what[ i ][ j ]) ; 
21     for(i=1;i<=n;i++) 
22         for(j=1;j<=m;j++) 
23             scanf("%d",&t[ i ][ j ]) ; 
24     for(i=1;i<=n*m;i++) 
25     {
26         cnt[a[ i ]]++ ;
27         int tmp1 = a[ i ],tmp2 = cnt[ a[i] ] ;  // tmp1  哪个工件   tmp2  哪个工序  
28         int tmpm = what[ tmp1 ][ tmp2 ] ;       //用哪个机器 
29         for(j=last_[tmp1];;j++) 
30         {
31             bool flag = 1 ;
32             for(k=j+1; k<=j+t[tmp1][tmp2] ;k++) 
33                 if(rec[tmpm][k]) 
34                 {
35                     flag = 0 ;
36                     break ; 
37                 }
38             if(flag) 
39             {
40                 for(k=j+1; k<=j+t[tmp1][tmp2]; k++ ) 
41                     rec[tmpm][k] = 1 ; 
42                 last_[tmp1] = max(last_[tmp1],j+t[tmp1][tmp2]) ; 
43                 ans = max(ans,last_[tmp1] ) ;
44                 break ; 
45             }
46         }
47     }
48     printf("%d\n",ans) ; 
49     
50     return 0 ; 
51 }

 

转载于:https://www.cnblogs.com/third2333/p/6909154.html

  • 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