SSL-ZYC 牛车

题目大意:
高速公路上有N只奶牛,编号为1..N,每头牛都开着自己的车,第i头牛的车速A[i],高速公路上一共有M个车道。
为了安全起见,每头牛都遵循以下原则:同车道前面有x头牛,牛的车速就会降低D*X,当然不会降到0以下,所以车速为max(A[i]-D*X,0)。由于车距很大,所以即使后面的车比前面的车快,你也不用担心会发生碰撞。
高速公路上有一个最低限速L,凡是低于该速度的车不允许上高速,现在请你来计算一共可以多少辆车在高速公路上行驶。


思路:
这道题我用的是桶排,会比快排的方法快很多。
对于读入的每一个车速A[i],我们其实可以不用保留它,用A[i]记录第i头牛至少要在这条马路前A[i]个(可以理解为在前i行)。公式为:A[i]=(A[i]-L)/D+1,同时maxn记录速度最快的牛在高于最低限速的情况下,最多可以在一条马路的第几个。
然后我们就可以从1到maxn枚举,用M表示这一行加上前面所有行的空缺数,然后分两种情况:
(1)若A[i]<=M,则牛的数量不足以填满空缺(或正好等于空缺),则:
M-=A[i](刷新剩余空缺数)
sum+=A[i](计数)
(2)若A[i]>M,则牛的数量比空缺多,则:
M=0(填满了空缺)
sum+=M(计数,最多可以进入M头牛)

最后输出sum即可。


代码:

#include <cstdio>
#include <algorithm>
using namespace std;

int a[1000001],n,m,k,s,x,z,maxn,M,sum;

int main()
{
    scanf("%d%d%d%d",&n,&m,&k,&s);
    for (int i=1;i<=n;i++)
    {
        scanf("%d",&x);
        if (x>=s) 
        {
            a[(x-s)/k+1]++;  //桶排 
            if ((x-s)/k+1>maxn) maxn=(x-s)/k+1;  //计算maxn 
        }
    }
    M=m;  //初始化,第1行可以进入m头牛 
    for (int i=1;i<=maxn;i++)
    {
        if (a[i]==0)   //剪枝 
        {
            M+=m;
            continue;
        }
        if (a[i]<=M)   //第一种情况 
        {
            sum+=a[i];
            M=M-a[i];
        }
        else  //第二种情况 
        {
            sum+=M;
            M=0;
        }
        M+=m;  //下一行又可以多进入m头牛 
    }
    printf("%d\n",sum);
    return 0;
}
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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