Just another Robbery

标签:概率,动态规划

题意:一共t组数据,每组数据给定一个数字n和一个概率pp,给出n家银行的钱数v[i]和失败率p[i],问在失败率不超过pp的情况下最多能抢多少钱(注意抢劫银行是互不独立的,也就是说抢劫后一家银行的前提是抢劫前一家银行没有失败)

题解

题目读下来发现很像01背包问题,只不过重量变成了概率,那么稍微改变一下dp的定义即可

我们定义dp[i]表示钱数为i时的最小失败率,因为抢劫后一家银行的前提是抢劫前一家银行没有失败,所以转移的时候概率的变化就是上一次累计的失败率 +(1 - 上一次累计的失败率)* 这一次的失败率
实现过程和01背包类似,最后从最大可能获得的钱数开始从大到小枚举,如果当前概率小于等于给定概率,输出当前钱数即可

代码实现

#include <algorithm>
#include <iostream>
#include <stdio.h>
#include <iomanip>
#include <cstring>
#include <string>
#include <vector>
#include <queue>
#include <set>
#include <map>
#define ll long long
using namespace std;
int t, n;
double pp, p[110], dp[10050];
int v[110];
int main(){
    cin >> t;
    for(int k = 1; k <= t; k++){
        cin >> pp >> n;
        int mx = 0;
        for(int i = 1; i <= n; i++){
            cin >> v[i] >> p[i];
            mx += v[i];
        }
        for(int i = 1; i <= mx; i++) dp[i] = 10050;
        for(int i = 1; i <= n; i++){
            for(int j = mx; j >= v[i]; j--){
                dp[j] = min(dp[j], dp[j - v[i]] + (1 - dp[j - v[i]]) * p[i]);
            }
        }
        for(int i = mx; i >= 0; i--){
            if(dp[i] <= pp){
                cout << "Case " << k << ": " << i << "\n";
                break;
            }
        }
    }
    return 0;
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是一个基本的代码示例,可以从数据集中提取光流图并应用于i3d网络: ```python import os import cv2 import numpy as np # 定义数据集文件夹和光流图文件夹路径 data_dir = "C:/crime" frames_dir = "C:/crime/crime_frames" # 定义光流图的分辨率和时间跨度 flow_resolution = (224, 224) flow_timestep = 1 # 循环遍历数据集中的每个类别 for class_name in os.listdir(data_dir): # 获取当前类别的文件夹路径 class_dir = os.path.join(data_dir, class_name) # 循环遍历当前类别中的每个视频 for video_name in os.listdir(class_dir): # 获取当前视频的文件夹路径 video_dir = os.path.join(class_dir, video_name) # 获取当前视频的光流图文件夹路径 flow_dir = os.path.join(frames_dir, class_name, video_name) # 如果光流图文件夹不存在,则创建它 if not os.path.exists(flow_dir): os.makedirs(flow_dir) # 读取当前视频中的每一帧 frames = [] for frame_name in os.listdir(video_dir): frame_path = os.path.join(video_dir, frame_name) frame = cv2.imread(frame_path) frames.append(frame) # 将帧转换为灰度图像 gray_frames = [cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) for frame in frames] # 计算光流图 flows = [] for i in range(0, len(gray_frames) - 1, flow_timestep): prev_gray = gray_frames[i] curr_gray = gray_frames[i + flow_timestep] flow = cv2.calcOpticalFlowFarneback(prev_gray, curr_gray, None, 0.5, 3, 15, 3, 5, 1.2, 0) flow = cv2.resize(flow, flow_resolution) flows.append(flow) # 将光流图保存到文件夹中 for i, flow in enumerate(flows): flow_path = os.path.join(flow_dir, "{:05d}.jpg".format(i)) np.save(flow_path, flow) ``` 代码解释: 1. 首先定义了数据集文件夹和光流图文件夹的路径。 2. 然后循环遍历数据集中的每个类别,每个类别都有一个文件夹名字。 3. 对于每个类别,循环遍历其中的每个视频,每个视频也有一个文件夹名字。 4. 对于每个视频,获取它的光流图文件夹路径,如果该文件夹不存在,则创建它。 5. 读取每个视频的所有帧,并将它们转换为灰度图像。 6. 计算光流图,使用cv2.calcOpticalFlowFarneback函数计算两帧之间的光流。 7. 将光流图保存到光流图文件夹中,以.npy格式保存。 最后,我们可以将生成的光流图应用于i3d网络进行分类任务。
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