CodeForces 589B

本文介绍了一种通过枚举和构造方法解决蛋糕切割问题的算法。该算法旨在从多个不同尺寸的蛋糕中,通过切割和组合,获得最大体积的蛋糕组。首先确保每个蛋糕的长宽有序,并按长度排序,随后通过枚举宽度并计算可能的最大体积。

题目大意是给定n个蛋糕的长和宽(可以互换),可以对蛋糕进行切割,最后选定一些蛋糕,这些蛋糕的长和宽都相同,求最大的体积(为长和宽乘以个/层数)。

思路

       枚举,构造

输入n个蛋糕,确保每一个蛋糕的长一定大于宽,原因是互换肯定能保证最优解也在互换之后的蛋糕里,然后根据长(也可以是宽)排序。

每次拿出一个蛋糕,将所有长大于等于该蛋糕的长的蛋糕的宽拿出来。对这些宽进行排序,这样就保证我们切割的蛋糕长肯定都满足,同

时枚举宽,对于每一个宽,我们能构造的体积为 当前的长 * 枚举的宽 * 大于等于该宽的蛋糕个数,及时更新最大值,长和宽即可。

#include <bits/stdc++.h>
using namespace std;
const int maxn = 4000 + 10;
typedef long long LL;
struct Cake{
    int a, b;
    friend bool operator < (const Cake & lhs, const Cake & rhs) {
        return lhs.a < rhs.a || (lhs.a == rhs.a && lhs.b < rhs.b);
    }
}cake[maxn];

int main()
{
    int n; scanf("%d", &n);
    for(int i = 0; i < n; ++i){
        scanf("%d %d", &cake[i].a, &cake[i].b);
        if(cake[i].a > cake[i].b) swap(cake[i].a, cake[i].b);
    }
    sort(cake, cake + n);
    LL Max = -1;
    int h, w;
    for(int i = 0; i < n; ++i){
        vector<int> v;
        for(int j = i; j < n; ++j)
            v.push_back(cake[j].b);
        sort(v.begin(), v.end());
        for(int j = 0; j < v.size(); ++j){
            if((LL)v[j] * cake[i].a * (v.size() - j) > Max){
                Max = (LL)v[j] * cake[i].a * (v.size() - j);
                h = cake[i].a;
                w = v[j];
            }
        }
    }
    printf("%I64d\n%d %d\n", Max, w, h);
    return 0;
}


内容概要:本文是一份针对2025年中国企业品牌传播环境撰写的《全网媒体发稿白皮书》,聚焦企业媒体发稿的策略制、渠道选择与效果评估难题。通过分析当前企业面临的资源分散、内容同质、效果难量化等核心痛点,系统性地介绍了新闻媒体、央媒、地方官媒和自媒体四大渠道的特点与适用场景,并深度融合“传声港”AI驱动的新媒体平台能力,提出“策略+工具+落地”的一体化解决方案。白皮书详细阐述了传声港在资源整合、AI智能匹配、舆情监测、合规审核及全链路效果追踪方面的技术优势,构建了涵盖曝光、互动、转化与品牌影响力的多维评估体系,并通过快消、科技、零售等行业的实战案例验证其有效性。最后,提出了按企业发展阶段和营销节点制的媒体组合策略,强调本土化传播与政府关系协同的重要性,助力企业实现品牌声量与实际转化的双重增长。; 适合群:企业市场部负责、品牌方管理者、公关传播从业者及从事数字营销的相关员,尤其适用于初创期至成熟期不同发展阶段的企业决策者。; 使用场景及目标:①帮助企业科学制媒体发稿策略,优化预算分配;②解决渠道对接繁琐、投放不精准、效果不可衡量等问题;③指导企业在重大营销节点(如春节、双11)开展高效传播;④提升品牌权威性、区域渗透力与危机应对能力; 阅读建议:建议结合自身企业所处阶段和发展目标,参考文中提供的“传声港服务组合”与“预算分配建议”进行策略匹配,同时重视AI工具在投放、监测与优化中的实际应用,期复盘数据以实现持续迭代。
先展示下效果 https://pan.quark.cn/s/987bb7a43dd9 VeighNa - By Traders, For Traders, AI-Powered. Want to read this in english ? Go here VeighNa是一套基于Python的开源量化交易系统开发框架,在开源社区持续不断的贡献下一步步成长为多功能量化交易平台,自发布以来已经积累了众多来自金融机构或相关领域的用户,包括私募基金、证券公司、期货公司等。 在使用VeighNa进行二次开发(策略、模块等)的过程中有任何疑问,请查看VeighNa项目文档,如果无法解决请前往官方社区论坛的【提问求助】板块寻求帮助,也欢迎在【经验分享】板块分享你的使用心得! 想要获取更多关于VeighNa的资讯信息? 请扫描下方二维码添加小助手加入【VeighNa社区交流微信群】: AI-Powered VeighNa发布十周年之际正式推出4.0版本,重磅新增面向AI量化策略的vnpy.alpha模块,为专业量化交易员提供一站式多因子机器学习(ML)策略开发、投研和实盘交易解决方案: :bar_chart: dataset:因子特征工程 * 专为ML算法训练优化设计,支持高效批量特征计算与处理 * 内置丰富的因子特征表达式计算引擎,实现快速一键生成训练数据 * Alpha 158:源于微软Qlib项目的股票市场特征集合,涵盖K线形态、价格趋势、时序波动等多维度量化因子 :bulb: model:预测模型训练 * 提供标准化的ML模型开发模板,大幅简化模型构建与训练流程 * 统一API接口设计,支持无缝切换不同算法进行性能对比测试 * 集成多种主流机器学习算法: * Lass...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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