Codeforces Round #413 (Div.1 + Div. 2) B. T-shirt buying

是一个模拟水题,但是写的时候WA了无数次最后改了还是TLE,而且很麻烦。。需要锻炼啊。

先给上我TLE的版本。留着以后思考为什么TLE

我原来的大体思路是:开三个数组分别代表1 、2 、3的三种衣服,排序。顾客来了从左往右扫。然后用t1  t2  t3分别代表之前顾客已经扫到的位置。是否卖给顾客这条衣服时,用一个used数组记录之前是否卖过,没有则可以,卖了继续往下扫直到没有。下一个顾客来了从上一次更新的t1 t2 t3扫。

-1的情况是 衣服卖完了或者没有这种衣服。 用sum记录是否衣服卖完。


#include <cstdio>
#include <iostream>
#include <string>
#include <algorithm>
#include <map>
#include <cstring>
using namespace std;
const int maxn = 200005;
map <long long ,int> maps;
bool used[maxn];
long long cost[maxn];
long long  a[maxn];
long long  b[maxn];
long long  c[maxn];
int t1 = 0, t2 = 0, t3 = 0;
int cnt1 = 0, cnt2 = 0, cnt3 = 0;
int sum = 0;
void solve(long long *x, int t,int ccc)
{
    if(t <= ccc && ccc)
    {
        if(!used[maps[x[t]]])
        {
            used[maps[x[t]]] = true;
            cout << x[t];
            t++;
            sum++;
        }
        else
        {
            bool flag = false;
            while(used[maps[x[t]]])
            {
                t++;
                if(t>=ccc)
                {
                    cout << "-1";
                    flag = true;
                    break;
                }
            }
            if(!flag)
            {
                used[maps[x[t]]] = true;
                cout << x[t];
                t++;
                sum++;
            }
        }
    }
    else
        cout << "-1";

}
int main()
{
    int n;
    while(cin >> n && n)
    {
        memset(used,false,sizeof(used));
        maps.clear();
        for(int i=0; i<n; i++)
        {
            long long p;
            cin >> p;
            cost[i] = p;
            maps[p] = i;
        }
        cnt1 = 0;
        cnt2 = 0;
        cnt3 = 0;
        for(int i=0; i<n; i++)
        {
            int num;
            cin >> num;
            if(num == 1)
                a[cnt1++] = cost[i];
            else if(num == 2)
                b[cnt2++] = cost[i];
            else
                c[cnt3++] = cost[i];

        }
        for(int i=0; i<n; i++)
        {
            int num;
            cin >> num;
            if(num == 1)
                a[cnt1++] = cost[i];
            else if(num == 2)
                b[cnt2++] = cost[i];
            else
                c[cnt3++] = cost[i];
        }
        sort(a,a+cnt1);
        sort(b,b+cnt2);
        sort(c,c+cnt3);
        int tot;
        sum = 0;
        cin >> tot;
        t1 = 0, t2 = 0, t3 = 0;
        for(int i=0; i<tot; i++)
        {
            int num;
            cin >> num;
            if(i) cout << " ";
            if(sum > n) cout << "-1" ;
            else
            {
                if(num == 1)
                    solve(a,t1,cnt1);
                else if(num == 2)
                    solve(b,t2,cnt2);
                else
                    solve(c,t3,cnt3);
            }
        }
        cout << endl;
    }
    return 0;
}



然后是正确的做法。

用3个set集合存储三种衣服。因为set是可以自动排序的。然后从头开始扫,卖完了或者当前可以卖。扫完后便删除。

-1的情况是全部卖完。 

(其实我觉得思路差不多的,只是用set更加的方便)

#include <cstdio>
#include <iostream>
#include <string>
#include <algorithm>
#include <map>
#include <cstring>
#include <set>
using namespace std;
const int maxn = 200000 + 5;
int p[maxn];
int a[maxn];
int b[maxn];
set<int> s[4];
map<int,int> maps;
bool used[maxn];
int main()
{
    int n;
    while(scanf("%d",&n)!=EOF && n)
    {
        memset(used,false,sizeof(used));
        for(int i=0; i<n; i++)
        {
            scanf("%d", &p[i]);
            maps[p[i]] = i;
        }
        for(int i=0; i<n; i++)
        {
            scanf("%d",&a[i]);
            s[a[i]].insert(p[i]);
        }
        for(int i=0; i<n; i++)
        {
            scanf("%d",&b[i]);
            s[b[i]].insert(p[i]);
        }
        int m;
        scanf("%d",&m);
        for(int i=0; i<m; i++)
        {
            int ans = -1;
            int t;
            scanf("%d",&t);
            if(i) printf(" ");
            while(!s[t].empty())
            {
                if(!used[maps[*(s[t].begin())]])
                {
                    used[maps[*(s[t].begin())]] = true;
                    ans = *(s[t].begin());
                    s[t].erase(s[t].begin());
                    break;
                }
                else
                {
                    s[t].erase(s[t].begin());
                }
            }
            printf("%d",ans);

        }
        printf("\n");
    }

}

 

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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