P2370 yyy2015c01 的 U 盘 (dp,01背包,二分,排序)

博客内容讲述了如何在限制容量s的情况下,根据物品的重量w和价值v,选择能装下最多价值的物品,同时使得接口尽可能小。通过先对物品重量进行排序,然后使用二分法来确定最佳选择,以达到目标价值p的同时,接口最小化。

在这里插入图片描述

Sloution

在容量s的情况下,装下尽量多的v,(这个v的条件,是其w要小于接口),达到p的情况下,接口尽可能小。

不难发现,v越小,接口越小,所以可以二分

但是,其实,可以先排序,对w,用w从小到大去考虑,
再去考虑当前f[s]是否到p (我没有想到)

二分:

#include <iostream>
#include <cstring>
#include <vector>
#include <map>
#include <string>
#include <deque>
#include<algorithm>
#include<cmath>
#define ll long long
#define PII pair<int, int>
#define _for(i, a, b) for (int i = a; i < b; i++)
#define for_(i, b, a) for (int i = b; i >= a; i--)
#define ms(a,b) memset(a, b, sizeof a)
#define gcd(a, b) __gcd(a, b)
#define lcm(a, b) a / gcd(a, b) * b
using namespace std;

const int N = 1100;
int w[N], v[N];//大小,价值

int f[N];

int n, p, s;//希望最小价值 p,硬盘大小s

bool check(int x){
	ms(f, 0);
	_for(i,0,n){
		if(w[i]<=x)
		for_(j, s, w[i])
			f[j] = max(f[j], f[j - w[i]] + v[i]);
	}

	if(f[s]<p)
		return 0;
	else
		return 1;
}

int main()
{//freopen("in.txt", "r", stdin);
	cin >> n >> p >> s;
	_for(i, 0, n) cin >> w[i] >> v[i];

	_for(i,0,n){  
		for_(j, s, w[i])
			f[j] = max(f[j], f[j - w[i]] + v[i]);
	}
	//cout << f[s];
	if(f[s]<p){
		cout << "No Solution!";
		return 0;
	}

	int l = 0, r = 1e6 + 10;

	while(l<r){
		int mid = (l + r) >> 1;
		if(check(mid))
			r = mid;
		else
			l = mid + 1;
	}

	cout << l;
}

先排序:

也很好想
在考虑第i个物品的时候
f[s]表示前i个物品的最大价值
若 前 i-1 不满足,前 i个满足
那么说明,装了 i 之后,达到 p的要求
这时候的 接口最小

#include <iostream>
#include <cstring>
#include <vector>
#include <map>
#include <string>
#include <deque>
#include<algorithm>
#include<cmath>
#include<unordered_map>
#include<queue>
#define ll long long
#define PII pair<int, int>
#define _for(i, a, b) for (int i = a; i < b; i++)
#define for_(i, b, a) for (int i = b; i >= a; i--)
#define ms(a,b) memset(a, b, sizeof a)
#define gcd(a, b) __gcd(a, b)
#define lcm(a, b) a / gcd(a, b) * b
using namespace std;

int n, p, s;//文件总数,希望最小价值 p ,硬盘大小

PII wu[1100];

int f[1100];

int main(){
//freopen("in.txt", "r", stdin);
    cin >> n >> p >> s;

    _for(i, 0, n) cin >> wu[i].first >> wu[i].second;
    sort(wu, wu + n);
   
    int ff = 1;
    _for(i,0,n){
        for_(j, s, wu[i].first)
            f[j] = max(f[j], f[j - wu[i].first] + wu[i].second);

        if(f[s]>=p){
           ff = 0;
           cout << wu[i].first<<endl;
           break;
        }    
    }

    if(ff)
        cout << "No Solution!";
}
        

Security-feature-detection-system 安全检测系统 简介 安全检测系统-多目标识别(YOLOv5)和人脸识别(Facenet)快速部署系统。 功能上:本项目使用YOLOv5实现多目标识别,使用Facenet实现人脸识别,最终需要人脸和此人应具备的多目标同时满足才能通过安全检测,部署上:使用pyqt5实现前端可视化,在前端页面运行YOLOv5多目标识别系统(将模型运行封装到Qt中),使用Docker封装人脸识别后端系统,使用网络请求等包实现前后端交互 案例:进行多目标识别的同时,进行人脸识别,前端系统发送请求,携带参数到后端进行人脸识别,最终返回人脸识别结果,获取人脸识别结果后,检索该成员应具备的多目标特征,与YOLOv5多目标识别的实际结果进行比对,若无误则通过安全检测。 根据原作 https://pan.quark.cn/s/9784cdf4abfd 的源码改编 项目背景 出于一些比赛的需要,以及逃离懵懂状态开始探索,我于2023.12~2024.1(大二上)开始一些CV、LLM项目的研究,苦于能力有限,当时大部分的项目都是依托开源搭建而来,诸如本项目就是依托开源的Compreface和Yolov5搭建,我只不过做了缝合的工作,所以在此必须提及这两个项目的巨大贡献:https://.com/exadel-inc/CompreFace https://.com/ultralytics/yolov5 今天是2024.7.11(大二下暑假),时隔半年我才开始这个项目的开源工作是因为,半年前的水平有限,虽然自己能实现项目的运作,但是恐很多细节介绍不好,当然本文自发出,后续我还会跟进,欢迎指正:22012100039@stu.xidian.edu.c...
使用教程: https://pan.quark.cn/s/c0f2b4acdf83,有不会的再问我  功能介绍: 用户输入人脸照片,程序从照片库中选出10张最相似人脸照片输出在文件夹中,并且给出这十张人脸与输入人脸的相似度值。 照片库可以增删 调节相似度阈值可调节 自定义UI操作界面 视频演示: [[项目分享]基于OpenCV的人脸集合相似度检测系统(源码&UI&教程)哔哩哔哩bilibili](https://www.bilibili.com/video/BV1Wa41137CW/?vd_source=bc9aec86d164b67a7004b996143742dc) 图片演示: png png 人脸相似度对比原理: 整体思路: 1、预先导入所需要的人脸识别模型; 2、遍历循环识别文件夹里面的图片,让模型“记住”人物的样子; 3、输入一张新的图像,与前一步文件夹里面的图片比对,返回最接近的结果。 使用到的第三方模块和模型: 1、模块:os,dlib,glob,numpy; 2、模型:人脸关键点检测器,人脸识别模型。 导入需要的模型。 这里解释一下两个dat文件: 它们的本质是参数值(即神经网络的权重)。 人脸识别算是深度学习的一个应用,事先需要经过大量的人脸图像来训练。 参考该博客,设计一个神经网络结构,来“记住”人类的脸。 对于神经网络来说,即便是同样的结构,不同的参数也会导致识别的东西不一样。 在这里,这两个参数文件就对应了不同的功能(它们对应的神经网络结构也不同): shapepredictor.dat这个是为了检测人脸的关键点,比如眼睛,嘴巴等等;dlibface_recognition.dat是在前面检测关键点的基础上,生成人脸的特征值。 所以后面使用dlib模块的时...
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