二分贪心 T

本文介绍了一个用于优化产品装箱过程的算法,旨在减少运输成本。该算法通过计算不同大小的产品如何最优地放入标准尺寸的大箱子中,从而实现最小化所需包裹数量的目标。

题目:

A factory produces products packed in square packets of the same height h and of the sizes 1*1, 2*2, 3*3, 4*4, 5*5, 6*6. These products are always delivered to customers in the square parcels of the same height h as the products have and of the size 6*6. Because of the expenses it is the interest of the factory as well as of the customer to minimize the number of parcels necessary to deliver the ordered products from the factory to the customer. A good program solving the problem of finding the minimal number of parcels necessary to deliver the given products according to an order would save a lot of money. You are asked to make such a program.

Input

The input file consists of several lines specifying orders. Each line specifies one order. Orders are described by six integers separated by one space representing successively the number of packets of individual size from the smallest size 1*1 to the biggest size 6*6. The end of the input file is indicated by the line containing six zeros.

Output

The output file contains one line for each line in the input file. This line contains the minimal number of parcels into which the order from the corresponding line of the input file can be packed. There is no line in the output file corresponding to the last ``null'' line of the input file.

Sample Input

0 0 4 0 0 1 
7 5 1 0 0 0 
0 0 0 0 0 0 

Sample Output

2 
1 
分析:
6*6,5*5,4*4每种这样的箱子占一个大箱子,4个3*3的箱子占一个大箱子,2*2的可以放在跟4*4放在一起,也可以跟3*3的放在一起,1*1的可以放在有空的任意地方
代码:
#include<iostream>
using namespace std;
int main()
{
    int i,as,t,a2,a1,a[7];
    while(1)
    {        as=t=0;
        for(i=1;i<7;as+=a[i],i++)
            cin>>a[i];
        if(as==0)
            break;
        t=a[5]+a[4]+a[6]+(a[3]+3)/4;
        if(a[3]%4)
        a2=(3-a[3]%4)*2+1+a[4]*5;
        else
        a2=a[4]*5;
        if(a[2]>a2)
        t+=(a[2]-a2+8)/9;
        a1=(t-a[6])*36-a[5]*25-a[4]*16-a[3]*9-a[2]*4;
        if(a[1]>a1)
            t+=(a[1]-a1+35)/36;
        cout<<t<<endl;
    }
}

C语言-光伏MPPT算法:电导增量法扰动观察法+自动全局搜索Plecs最大功率跟踪算法仿真内容概要:本文档主要介绍了一种基于C语言实现的光伏最大功率点跟踪(MPPT)算法,结合电导增量法与扰动观察法,并引入自动全局搜索策略,利用Plecs仿真工具对算法进行建模与仿真验证。文档重点阐述了两种经典MPPT算法的原理、优缺点及其在不同光照和温度条件下的动态响应特性,同时提出一种改进的复合控制策略以提升系统在复杂环境下的跟踪精度与稳定性。通过仿真结果对比分析,验证了所提方法在快速性和准确性方面的优势,适用于光伏发电系统的高效能量转换控制。; 适合人群:具备一定C语言编程基础和电力电子知识背景,从事光伏系统开发、嵌入式控制或新能源技术研发的工程师及高校研究人员;工作年限1-3年的初级至中级研发人员尤为适合。; 使用场景及目标:①掌握电导增量法与扰动观察法在实际光伏系统中的实现机制与切换逻辑;②学习如何在Plecs中搭建MPPT控制系统仿真模型;③实现自动全局搜索以避免传统算法陷入局部峰值问题,提升复杂工况下的最大功率追踪效率;④为光伏逆变器或太阳能充电控制器的算法开发提供技术参考与实现范例。; 阅读建议:建议读者结合文中提供的C语言算法逻辑与Plecs仿真模型同步学习,重点关注算法判断条件、步长调节策略及仿真参数设置。在理解基本原理的基础上,可通过修改光照强度、温度变化曲线等外部扰动因素,进一步测试算法鲁棒性,并尝试将其移植到实际嵌入式平台进行实验验证。
【无人机协同】动态环境下多无人机系统的协同路径规划与防撞研究(Matlab代码实现)​ 内容概要:本文围绕动态环境下多无人机系统的协同路径规划与防撞问题展开研究,提出基于Matlab的仿真代码实现方案。研究重点在于在复杂、动态环境中实现多无人机之间的高效协同飞行与避障,涵盖路径规划算法的设计与优化,确保无人机集群在执行任务过程中能够实时规避静态障碍物与动态冲突,保障飞行安全性与任务效率。文中结合智能优化算法,构建合理的成本目标函数(如路径长度、飞行高度、威胁规避、转弯角度等),并通过Matlab平台进行算法验证与仿真分析,展示多机协同的可行性与有效性。; 适合人群:具备一定Matlab编程基础,从事无人机控制、路径规划、智能优化算法研究的科研人员及研究生。; 使用场景及目标:①应用于灾害救援、军事侦察、区域巡检等多无人机协同任务场景;②目标是掌握多无人机系统在动态环境下的路径规划与防撞机制,提升协同作业能力与自主决策水平;③通过Matlab仿真深入理解协同算法的实现逻辑与参数调优方法。; 阅读建议:建议结合文中提供的Matlab代码进行实践操作,重点关注目标函数设计、避障策略实现与多机协同逻辑,配合仿真结果分析算法性能,进一步可尝试引入新型智能算法进行优化改进。
### 二分贪心算法结合使用的解决方案 在某些复杂问题中,可以将二分算法与贪心算法结合使用,以提高解决问题的效率和准确性。以下是关于如何结合这两种算法的一个示例。 #### 示例:分配任务问题 **问题描述**:有 $N$ 个任务需要分配给 $M$ 个人完成,每个人最多只能完成一个任务。每个任务有一个完成时间 $T_i$。目标是找到一种分配方式,使得所有任务完成的时间总和最小化。 **解决思路**: 1. **二分法的应用**:首先通过二分法确定一个可能的最大完成时间 $X$。假设每个人都不能超过这个最大完成时间 $X$。 2. **贪心法的应用**:对于固定的 $X$,使用贪心算法检查是否可以将所有任务分配给 $M$ 个人,并满足每个人的完成时间不超过 $X$。 **具体步骤**: - 使用二分法确定一个可能的最大完成时间 $X$ 的范围。初始时,设定左边界为任务中最短的完成时间,右边界为所有任务完成时间的总和。 - 对于每一个二分得到的中间值 $mid$,使用贪心算法判断是否可以在最大完成时间为 $mid$ 的条件下完成所有任务。 - 如果可以完成,则尝试更小的 $mid$;否则尝试更大的 $mid$。 #### 示例代码 以下是一个基于上述思路的 C++ 示例代码: ```cpp #include <iostream> #include <vector> #include <algorithm> using namespace std; bool canAssign(vector<int>& tasks, int mid, int m) { int count = 1; // 当前需要的人数 int timeSum = 0; // 当前人的累计时间 for (int i = 0; i < tasks.size(); ++i) { if (timeSum + tasks[i] > mid) { // 超过当前限制 count++; timeSum = tasks[i]; if (count > m) return false; // 需要的人数超过限制 } else { timeSum += tasks[i]; } } return true; } int findMinTime(vector<int>& tasks, int m) { sort(tasks.begin(), tasks.end()); // 排序任务 int left = tasks[0]; // 最小的任务时间 int right = accumulate(tasks.begin(), tasks.end(), 0); // 所有任务时间总和 int result = right; while (left <= right) { int mid = (left + right) / 2; if (canAssign(tasks, mid, m)) { result = mid; right = mid - 1; // 尝试更小的值 } else { left = mid + 1; // 尝试更大的值 } } return result; } int main() { vector<int> tasks = {3, 5, 7, 10}; // 每个任务的完成时间 int m = 2; // 可用的人数 cout << "Minimum total time: " << findMinTime(tasks, m) << endl; return 0; } ``` #### 解释 - 在上述代码中,`canAssign` 函数用于检查是否可以在最大完成时间为 `mid` 的条件下完成所有任务[^1]。 - `findMinTime` 函数通过二分查找确定最小的总完成时间[^2]。 - 主函数中定义了任务列表和可用人数,并输出最小的总完成时间[^3]。 ###
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