SSL-ZYC 2405 巧克力

本文介绍了一种通过模拟算法来解决特定巧克力框选问题的方法。该算法考虑了四种不同的框选方式并允许框子方向的变化,以求得框内巧克力数量的最大值。代码使用C++实现,包括两个主要函数来计算不同情况下的最大框选数。

题目大意:
这里写图片描述


思路:

一个很像是离散的大模拟

对于任意一块巧克力:

我们为了答案最优,有4种方法把它框柱:
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
然后我们就可以看看被框柱的部分能框柱几个巧克力,并记录最优答案。

注意:框子可以改变方向!(就是这个坑了我的AK啊~~~)

代码:

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

int n,x1[101],y1[101],x2[101],y2[101],x,y,maxn,sum;

void WYC_said_he_will_AK_today(int X1,int Y1,int X2,int Y2)  //以第一种方法和第三种方法框柱巧克力
{
    sum=0;
    for (int i=1;i<=n;i++)
     if (x1[i]>=X1&&x2[i]<=X2&&y1[i]>=Y1&&y2[i]<=Y2) sum++;
    maxn=max(maxn,sum);  //记录最优答案
}

void ZYC_said_WYC_can_not_AK_today(int X1,int Y1,int X2,int Y2)  //以第二种方法和第四种方法框柱巧克力
{
    sum=0;
    for (int i=1;i<=n;i++)
     if (x1[i]>=X1&&x2[i]<=X2&&y1[i]>=Y2&&y2[i]<=Y1) sum++;
    maxn=max(maxn,sum);  //记录最优答案
}

int main()
{
    scanf("%d",&n);
    for (int i=1;i<=n;i++)
     scanf("%d%d%d%d",&x1[i],&y1[i],&x2[i],&y2[i]);
    scanf("%d%d",&x,&y);    
    for (int i=1;i<=n;i++)
    {
        swap(x,y);  //转变框子的方向
        if (x2[i]-x1[i]>x||y2[i]-y1[i]>y) continue;
        WYC_said_he_will_AK_today(x1[i],y1[i],x1[i]+x,y1[i]+y);
        WYC_said_he_will_AK_today(x2[i]-x,y2[i]-y,x2[i],y2[i]);
        ZYC_said_WYC_can_not_AK_today(x1[i],y2[i],x1[i]+x,y2[i]-y);
        ZYC_said_WYC_can_not_AK_today(x2[i]-x,y1[i]+y,x2[i],y1[i]);
        swap(x,y);
        if (x2[i]-x1[i]>x||y2[i]-y1[i]>y) continue;
        WYC_said_he_will_AK_today(x1[i],y1[i],x1[i]+x,y1[i]+y);
        WYC_said_he_will_AK_today(x2[i]-x,y2[i]-y,x2[i],y2[i]);
        ZYC_said_WYC_can_not_AK_today(x1[i],y2[i],x1[i]+x,y2[i]-y);
        ZYC_said_WYC_can_not_AK_today(x2[i]-x,y1[i]+y,x2[i],y1[i]);
    }
    printf("%d\n",maxn);
    return 0;
}

P.S.:不要问我函数名那么搞怪!

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...
本系统采用微信小程序作为前端交互界面,结合Spring Boot与Vue.js框架实现后端服务及管理后台的构建,形成一套完整的电子商务解决方案。该系统架构支持单一商户独立运营,亦兼容多商户入驻的平台模式,具备高度的灵活性与扩展性。 在技术实现上,后端以Java语言为核心,依托Spring Boot框架提供稳定的业务逻辑处理与数据接口服务;管理后台采用Vue.js进行开发,实现了直观高效的操作界面;前端微信小程序则为用户提供了便捷的移动端购物体验。整套系统各模块间紧密协作,功能链路完整闭环,已通过严格测试与优化,符合商业应用的标准要求。 系统设计注重业务场景的全面覆盖,不仅包含商品展示、交易流程、订单处理等核心电商功能,还集成了会员管理、营销工具、数据统计等辅助模块,能够满足不同规模商户的日常运营需求。其多店铺支持机制允许平台方对入驻商户进行统一管理,同时保障各店铺在品牌展示、商品销售及客户服务方面的独立运作空间。 该解决方案强调代码结构的规范性与可维护性,遵循企业级开发标准,确保了系统的长期稳定运行与后续功能迭代的可行性。整体而言,这是一套技术选型成熟、架构清晰、功能完备且可直接投入商用的电商平台系统。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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