UVA1335-Beijin Guards(二分)

探讨了BeijinGuards问题,即n个守卫围成一圈,每个守卫想要特定数量的礼物,且相邻守卫礼物不重复。通过分析偶数和奇数情况下最少需要的礼物种类,提出了有效的算法解决方案。

Beijin Guards

  • 题意:有n个守卫围成一个圈,第 i 个守卫想要 a [ i ] 件礼物,要求每个相邻的守卫礼物不重复,求最少需要多少种礼物。
  •  n 为偶数时,答案即为 max (ans, a[I] + a[I + 1])  ,a[n + 1] = a[1].
  •  n 为奇数的时候,二分查找符合条件的最小值,判断方式如下:
  • 首先划分成两个区间 a[1], S-a[1]。使用两个数组 be [maxn] 和 la [maxn] 记录取自前一区间和后一区间的礼物数量,当 i 为偶数的时候,尽量从前面取,i 为奇数时,尽量从后面取,最后判断最后一个守卫的礼物是否含前面区间中取得。
  • // zyc 2018/7/23
    
    #include <bits/stdc++.h>
    using namespace std;
    
    const int maxn = 1e5 + 7;
    const int M = 1e9 + 7;
    
    int n; int a[maxn], be [maxn], la [maxn];
    
    // be[i] 前一区间选择的礼物数量
    // la[i] 后一区间选择的礼物数量
    bool cheak (int S) {
        // 第一名守卫全部选择前面区间
        int x = a[1], y = S - a[1];
        be [1] = x; la [1] = 0;
    
        // 更新值
        for (int i = 2; i <= n; i ++) {
            if (i % 2 == 1) {
                la [i] = min (y - la [i - 1], a[i]);
                be [i] = a[i] - la [i];
            } else {
                be [i] = min (x - be [i - 1], a[i]);
                la [i] = a[i] - be [i];
            }
        }
        return be[n] == 0;
    }
    int main ()
    {
        while (scanf ("%d", &n) && n != 0) {
            memset (a, 0, sizeof (a));
            for (int i = 1; i <= n; i ++) scanf ("%d", &a[i]);
            if (n == 1) {printf ("%d\n", a[1]); continue;}
            a[n + 1] = a[1];
            int ans = 0;
            for (int i = 1; i <= n; i ++) ans = max (ans, a[i] + a[i + 1]);
            if (n % 2 == 0) {
                printf ("%d\n", ans); continue;
            }
            int l = ans, r = 300000;
            while (l < r) {
                int mid = (l + r) >> 1;
                if (cheak (mid)) r = mid;
                else l = mid + 1;
            }
            printf ("%d\n", l);
        }
    }
    

     

内容概要:本文为《科技类企业品牌传播白皮书》,系统阐述了新闻媒体发稿、自媒体博主种草与短视频矩阵覆盖三大核心传播策略,并结合“传声港”平台的AI工具与资源整合能力,提出适配科技企业的品牌传播解决方案。文章深入分析科技企业传播的特殊性,包括受众圈层化、技术复杂性与传播通俗性的矛盾、产品生命周期影响及2024-2025年传播新趋势,强调从“技术输出”向“价值引领”的战略升级。针对三种传播方式,分别从适用场景、操作流程、效果评估、成本效益、风险防控等方面提供详尽指南,并通过平台AI能力实现资源智能匹配、内容精准投放与全链路效果追踪,最终构建“信任—种草—曝光”三位一体的传播闭环。; 适合人群:科技类企业品牌与市场负责人、公关传播从业者、数字营销管理者及初创科技公司创始人;具备一定品牌传播基础,关注效果可量化与AI工具赋能的专业人士。; 使用场景及目标:①制定科技产品全生命周期的品牌传播策略;②优化媒体发稿、KOL合作与短视频运营的资源配置与ROI;③借助AI平台实现传播内容的精准触达、效果监测与风险控制;④提升品牌在技术可信度、用户信任与市场影响力方面的综合竞争力。; 阅读建议:建议结合传声港平台的实际工具模块(如AI选媒、达人匹配、数据驾驶舱)进行对照阅读,重点关注各阶段的标准化流程与数据指标基准,将理论策略与平台实操深度融合,推动品牌传播从经验驱动转向数据与工具双驱动。
【3D应力敏感度分析拓扑优化】【基于p-范数全局应力衡量的3D敏感度分析】基于伴随方法的有限元分析和p-范数应力敏感度分析(Matlab代码实现)内容概要:本文档围绕“基于p-范数全局应力衡量的3D应力敏感度分析”展开,介绍了一种结合伴随方法与有限元分析的拓扑优化技术,重点实现了3D结构在应力约束下的敏感度分析。文中详细阐述了p-范数应力聚合方法的理论基础及其在避免局部应力过高的优势,并通过Matlab代码实现完整的数值仿真流程,涵盖有限元建模、灵敏度计算、优化迭代等关键环节,适用于复杂三维结构的轻量化与高强度设计。; 适合人群:具备有限元分析基础、拓扑优化背景及Matlab编程能力的研究生、科研人员或从事结构设计的工程技术人员,尤其适合致力于力学仿真与优化算法开发的专业人士; 使用场景及目标:①应用于航空航天、机械制造、土木工程等领域中对结构强度和重量有高要求的设计优化;②帮助读者深入理解伴随法在应力约束优化中的应用,掌握p-范数法处理全局应力约束的技术细节;③为科研复现、论文写作及工程项目提供可运行的Matlab代码参考与算法验证平台; 阅读建议:建议读者结合文中提到的优化算法原理与Matlab代码同步调试,重点关注敏感度推导与有限元实现的衔接部分,同时推荐使用提供的网盘资源获取完整代码与测试案例,以提升学习效率与实践效果。
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