UVA - 165 Stamps

12 篇文章 0 订阅

题目大意:可以贴 h 张,有 k 种不同的面额,问如何选择面额能使贴出来的值最大(要求这些值连续)。
如 h=3,k=2 表示可以贴三张,有两种面额。如果这两种面额是 1,4,那么我们可以得到 1,2,3,4,5,6(8,9,12),但是 8 和之前已经不连续了所以最大是6。
如果这两种面额是 1,3,那么我们可以得到 1 到 7 及 9,同样 9 不连续了最大 7。
比较这两种情况我们选择面额 1,3 得到最大连续面额 7。

解题思路:tmp[] 是选择的面额,lim[]是 h 张当面额的和即目前能贴出的最大值,首先一定要有一张 1,因为要求连续,没有 1 的话很多都没法凑,然后去找下一种面额,枚举范围是当前已有面额 +1 到目前能贴出的最大值 +1。递归出口是选择的面额数到达 k,我们去检查一下连续面额,然后 ans 存下最大连续值,as[] 是对应选择的面额。

#include<iostream> 
#include<cstdio>
#include<cmath>
#include<string.h>
#include<stdlib.h>
#include<algorithm>
using namespace std;
int h, k, ans;
int tmp[20], as[20], lim[20];
bool vis[10000];
void check(int now, int sum) {
    vis[sum] = true;
    if (now == h) return;
    for (int i = 0; i < k; i++)
        check(now+1, sum+tmp[i]);
}
void dfs(int now) {
    if (now == k) {
        memset(vis, 0, sizeof(vis));
        check(0,0);
        int cnt = 0;
        while (vis[cnt]) cnt++;
        cnt -= 1;
        if (cnt > ans) {
            ans = cnt;
            for (int i = 0; i < k; i++)
                as[i] = tmp[i];
        }
        return;
    }
    for (int i = tmp[now-1]+1; i <= lim[now-1]+1; i++) {
        tmp[now] = i;
        lim[now] = i * h;
        dfs(now+1);
    }
}
int main() {
    while (scanf("%d%d", &h, &k) != EOF && h+k) {
        tmp[0] = 1;
        lim[0] = h;
        ans = 0;
        dfs(1);

        for (int i = 0; i < k; i++)
            printf("%3d", as[i]);
        printf(" ->%3d\n", ans);

    }
return 0; 
}
  • 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