cf3b(贪心)

题目链接:http://www.codeforces.com/problemset/problem/3/B

思路:不错的贪心题,我们可以先按体积升序排,体积相同的体积为1的升序排,体积为2的降序排,这样选择的时候就能最优。

View Code
 1 #include<iostream>
 2 #include<cstdio>
 3 #include<cstring>
 4 #include<algorithm>
 5 #include<string>
 6 using namespace std;
 7 #define MAXN 100000+10
 8 struct Node{
 9     int w,v,index;
10 }node[MAXN];
11 int n,m;
12 
13 //排序的时候先按体积升序排,1类按v升序排,2类按v降序排,这样可以保证是最优的。
14 int cmp(const Node &p,const Node &q){
15     if(p.w!=q.w){
16         return p.w<q.w;
17     }else if(p.w==1){
18         return p.v<q.v;
19     }else 
20         return p.v>q.v;
21 }
22 
23 int main(){
24     while(~scanf("%d%d",&n,&m)){
25         for(int i=1;i<=n;i++){
26             int x,y;
27             scanf("%d%d",&x,&y);
28             node[i].index=i;
29             node[i].v=y;
30             x==1?node[i].w=1:node[i].w=2;
31         }
32         sort(node+1,node+n+1,cmp);
33         int MAX=0,w1=0,v1=0,MAXi=1;
34         for(int i=1,j=1;i<=n;i++){
35             w1+=node[i].w;
36             v1+=node[i].v;
37             while(w1>m){
38                 w1-=node[j].w;
39                 v1-=node[j].v;
40                 j++;
41             }
42             if(v1>MAX){MAX=v1;MAXi=j;}//j记录最大值的起始位置
43         }
44         printf("%d\n",MAX);
45         w1=v1=0;
46         for(int j=MAXi;j<=n;j++){
47             w1+=node[j].w;
48             v1+=node[j].v;
49             if(w1>m)break;
50             j==MAXi?printf("%d",node[j].index):printf(" %d",node[j].index);
51         }
52         puts("");
53     }
54     return 0;
55 }

 

  • 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