[离散化][贪心]球赛

题目描述
超级球迷 H 每周六晚上都会坐在电视前看球,从不错过一场比赛。

但是上周末,H 突然有一个重要的约会,于是他只能教他三岁的弟弟小 H 记录所有比赛

的比分。但是当他约会回来时,他发现小 H 不仅认真的记录了每一场比赛的最终比分,还

把一些比赛的中间比分也记录下来,而更糟糕的是,小 H 并没有区分比赛的两个队,同一

场比赛的比分可能被记录成 1-2,也可能是 2-1。因此,若是有一场比赛的最终得分是 5-3,

可能实际上被小 H 记录的分数有

1-0 3-2 2-3 3-4 5-3

题目描述

现在 H 已经拿到了小 H 记录的所有比分,他想知道,在这个周末他由于约会至少错过

了多少场比赛。注意小 H 记录的比分是没有先后顺序的。

输入输出格式

输入格式:
输入文件中可能包含多组测试数据,文件中第一行是一个整数 n,表明以下一共有 n 组

测试数据。

对于每一组数据,第一行有一个整数 s,表示小 H 记录的比分数目,以下每行用 x-y 的

格式描述一条比分,x 和 y 都是非负整数。

输出格式:
对于输入数据中的每一个测试数据,你需要输出一个整数 m,表示在这个测试数据中,

H 至少错过了 m 场比赛。

说明

在第一组输入数据中,两场比赛对应的比分可能是 1-0 2-0 0-3 和 2-1。

在第二组输入数据中,三场比赛对应的比分可能是 0-0 5-0、3-1 和 2-2。

100%的数据中 n ≤ 5,s ≤ 1 000,每一场比赛的比分都在 longint(Pascal) / long(C++)

(2147483647)范围内。

分析
这题乍一看这咋做啊?
然后仔细想了想(看了看题解)想到,其实这题可以把本来没有规律的点想出规律。
你看,要求的是最少的次数,那么我们可以发现,如果把每个比分都分成较大的较小的两部分(用测试数据画张图表出来你就懂了),那么这样会使比赛更少。
可是这样好像还是看不出什么规律啊?
仔细想了想,如果要减少关键字的话,那就把大的积分排个序吧!这样就保证大积分不会干扰小积分的比赛数统计了(当然你也可以排小积分)
这里可能会有误解,这里指的是将大积分和小积分存在一个双关键字的数组里,然后排序也是多关键字,只不过大积分是主关键字,小积分是次要关键字而已。
然后发现大积分就不再关题目什么事了!很容易了有木有╰( ̄▽ ̄)╮
这时候发现小积分构成了一道熟悉的题目:拦截导弹!只不过是上升序列而已
那不就容易了嘛!
顺便一提,我发现拦截导弹不能用二分图做,会超时。。
无奈只能用O(n^2)的贪心做了。

#include <iostream>
#include <cstdio>
#include <memory.h>
#include <algorithm>
using namespace std;
int t,n;
int i,j,ans,p;
int sy[1001];
struct S
{
    int a,b;
}s[1001];
bool cmp(S a,S b)
{
    return (a.b<b.b)||(a.b==b.b)&&(a.a<b.a);
}
int main()
{
    scanf("%d",&t);
    while (t!=0)
    {
        t--;
        memset(s,0,sizeof(s));
        memset(sy,0,sizeof(s));
        scanf("%d",&n);
        for (i=1;i<=n;i++)
        {
            int x,y;
            scanf("%d-%d",&x,&y);
            s[i].b=max(x,y);
            s[i].a=min(x,y);
        }
        sort(s+1,s+n+1,cmp);
        ans=1;sy[ans]=s[1].a;
        for (i=2;i<=n;i++)
        {
            p=0;
            for (j=1;j<=ans;j++)
            if (s[i].a>=sy[j])
            if (sy[p]<=sy[j]) p=j;
            if (p==0)
            {
                ans++;
                sy[ans]=s[i].a;
            }
            else sy[p]=s[i].a;
        }
        printf("%d\n",ans);
    }
}
【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)》的技术资源,聚焦于电力系统中低碳经济调度问题,结合N-1安全准则与分布鲁棒机会约束(DRCC)方法,提升调度模型在不确定性环境下的鲁棒性和可行性。该资源提供了完整的Matlab代码实现,涵盖建模、优化求解及仿真分析全过程,适用于复杂电力系统调度场景的科研复现与算法验证。文中还列举了大量相关领域的研究主题与代码资源,涉及智能优化算法、机器学习、电力系统管理、路径规划等多个方向,展示了广泛的科研应用支持能力。; 适合人群:具备一定电力系统、优化理论和Matlab编程基础的研究生、科研人员及从事能源调度、智能电网相关工作的工程师。; 使用场景及目标:①复现高水平期刊(如EI/SCI)关于低碳经济调度的研究成果;②深入理解N-1安全约束与分布鲁棒优化在电力调度中的建模方法;③开展含新能源接入的电力系统不确定性优化研究;④为科研项目、论文撰写或工程应用提供可运行的算法原型和技术支撑。; 阅读建议:建议读者结合文档提供的网盘资源,下载完整代码与案例数据,按照目录顺序逐步学习,并重点理解DRCC建模思想与Matlab/YALMIP/CPLEX等工具的集成使用方式,同时可参考文中列出的同类研究方向拓展研究思路。
内容概要:本文详细介绍了一个基于MATLAB实现的电力负荷预测项目,采用K近邻回归(KNN)算法进行建模。项目从背景意义出发,阐述了电力负荷预测在提升系统效率、优化能源配置、支撑智能电网和智慧城市建设等方面的重要作用。针对负荷预测中影响因素多样、时序性强、数据质量差等挑战,提出了包括特征工程、滑动窗口构造、数据清洗与标准化、K值与距离度量优化在内的系统性解决方案。模型架构涵盖数据采集、预处理、KNN回归原理、参数调优、性能评估及工程部署全流程,并支持多算法集成与可视化反馈。文中还提供了MATLAB环境下完整的代码实现流程,包括数据加载、归一化、样本划分、K值选择、模型训练预测、误差分析与结果可视化等关键步骤,增强了模型的可解释性与实用性。; 适合人群:具备一定MATLAB编程基础和机器学习基础知识,从事电力系统分析、能源管理、智能电网或相关领域研究的研发人员、工程师及高校师生;适合工作1-3年希望提升实际项目开发能力的技术人员; 使用场景及目标:①应用于短期电力负荷预测,辅助电网调度与发电计划制定;②作为教学案例帮助理解KNN回归在实际工程中的应用;③为新能源接入、需求响应、智慧能源系统提供数据支持;④搭建可解释性强、易于部署的轻量级预测模型原型; 阅读建议:建议结合MATLAB代码实践操作,重点关注特征构造、参数调优与结果可视化部分,深入理解KNN在时序数据中的适应性改进方法,并可进一步拓展至集成学习或多模型融合方向进行研究与优化。
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