Codeforces Round #565 (Div. 3) F.Destroy it!

VLOOKUP_fixed.py 立即下载

F. Destroy it!

题目地址:http://codeforces.com/contest/1176/problem/F

思路:其实就是一个01背包问题,只是添加了回合和每回合的01限制,和每当已用牌数到了10的倍数,那张卡会触发double攻击。
因为卡使用的多少会触发double效果,所以我们要记录攻击的同时记录卡的使用次数,
可以由01背包dp[N][N]改变,第一个维度是当前是第几个回合,第二个维度是记录卡在用了n张的情况下造成的攻击力,但是dp[N][N](N <= 2e5),占用内存太大显然不行。于是想到用dp[N][10]。
(因为卡的数量可能很多,我们其实只要记录最多三张1费,一张2费,一张3费)
每个回合用卡情况最多3种:
1.用3张一费卡。
2.用2张一费卡,或者1张一费卡,1张二费卡
3.用1张一费卡,或者1张二费卡,或者1张三费卡

#include<iostream>
#include<algorithm>
using namespace std;
#define rep(i,j,k) for(int i = (j); i <= (k); i++)
#define per(i,j,k) for(int i = (j); i >= (k); i--)
#define mod(x) ((x)%(MOD))

typedef long long LL;
const int MOD = 10;
const int N = 2e5 + 10;
LL dp[N + 2][10];

void init(){
	rep(i, 0, N) rep(j, 0, 9) dp[i][j] = -1;
}

int main(){

	ios::sync_with_stdio(false);
	cin.tie(0);

	init();

	int n;
	cin >> n;
	
	dp[0][0] = 0;//初始化
	
	rep(o, 1, n){
		int num;
		cin >> num;

		int L1 = 0;
		int L2 = 0;
		int L3 = 0;
		int c1[5] = { 0 };//费用1,记录v最大的三张
		int c2 = 0;//费用2
		int c3 = 0;//费用3

		int c, v;
		rep(i, 1, num){
			cin >> c >> v;

			if (c == 1){
				if (L1 == 3){
					int x = 1;
					if (c1[x] > c1[2]) x = 2;
					if (c1[x] > c1[3]) x = 3;
					if (v > c1[x]) c1[x] = v;
				}
				else c1[++L1] = v;
			}
			else if(c == 2){
				L2=1;
				if (v > c2) c2 = v;
			}
			else if (c == 3){
				L3=1;
				if (v > c3) c3 = v;
			}
		}

		sort(c1 + 1, c1 + 1 + 3);

		int max_v = max(c1[3], max(c2, c3));//一张v最大的
		int _2_1 = c1[3];//两张卡费用最大的
		int _2_2 = c1[2];
		if (c2 > _2_2) _2_2 = c2;
		if (_2_2 > _2_1) swap(_2_2, _2_1);//两张卡,由1费中间v最大的2张,和一张2费的中间选出v最大的两张
		LL _3 = c1[1] + c1[2] + c1[3];//用三张1费

		rep(i, 0, 9) dp[o][i] = dp[o - 1][i];//先把上个回合的状态保存到当前回合,方便下边的比较
		//因为这三种状态都是附加在上个状态下得出的,所以他们之间都是独立的。
		//mod(i + x),(i + x >= 10)* value 用于判断是否满足大于等于用的次数是十张的倍数
		rep(i, 0, 9){
			if (dp[o - 1][i] != -1){//上个状态是存在的
				if (L1 + L2 + L3 >= 1){//用的卡牌最少一张的时候,用一张情况
					dp[o][mod(i + 1)] = max(dp[o][mod(i + 1)], dp[o - 1][i] + max_v + (i + 1 >= 10)*max_v);
				}
				if (L2 + L1 >= 2){//1费2费用的卡牌至少有两张,用两张情况
					dp[o][mod(i + 2)] = max(dp[o][mod(i + 2)], dp[o - 1][i] + _2_1 + _2_2 + (i + 2 >= 10)*_2_1);
				}
				if (L1 >= 3){//1费卡牌数最少三张,用三张情况
					dp[o][mod(i + 3)] = max(dp[o][mod(i + 3)], dp[o - 1][i] + _3 + (i + 3 >= 10)*c1[3]);
				}
			}
		}
	} 
	
	LL ans = -1;

	//rep(i, 0, n){
	//	rep(o, 0, 9) cout << dp[i][o] << " ";
	//	cout << endl;
	//}
	//cout << endl;

	rep(o, 0, 9) ans = max(dp[n][o], ans);

	cout << ans << endl;

	return 0;
}



D打卡签到,蓝牙中继,广播信号模拟器 模拟WIFI或蓝牙,有如下4种运行模式 1、WIFI模式:指定SSID、BSSID名称等,模拟WIFI,供设备连接。 2、蓝牙静态模式:指定MAC地址,广播固定的RAW数据。 3、蓝牙动态主机模式:扫描周围蓝牙设备,获取指定MAC地址的蓝牙及其RAW数据,实时发送至Cloud云端,可以设定时间段,只在设定的时间段内发送。 4、蓝牙动态从机模式:指定MAC地址,从Cloud云端获取动态主机模式实时上传的该MAC地址的RAW数据,并广播RAW数据。 准备工作: 1、板子:选择ESP32C3或ESP32C3 Supermini 2、nRF Connect手机app:用于扫描获取待模拟蓝牙设备的MAC和RAW数据。 Wifi分析仪或WiFi魔盒手机APP:用于扫描获取待模拟WIFI设备的SSID和BSSID。 3、可使用官方flash_download_tool_3.9.11工具来固件烧录。 使用说明: 上述完成后,设备首次上电,RESET一侧的指示灯会常亮,可以把它理解成电源指示灯; BOOT一侧的灯会亮,该灯常亮,表示设备开启了AP模式,此时设备会发射一个WIFI信号源,名称为ESPWIFI_AP,密码为12345678,手机或电脑连接该WIFI,浏览器输入192.168.4.1,进入设备的配置页面,进行相应的配置,其中动态主机模式和动态从机模式的SSID、Pwd 及要模拟的蓝牙MAC地址。配置完成并保存后,会重启,重启后设备会按照保存的配置运行。若下次要修改设备配置,可以长按BOOT按键,等待BOOT一侧的灯常亮,即进入AP模式,再按照上述流程配置即可。 仅用于蓝牙设备的开发与调试,请勿用于签到等违法违纪用途。 立即下载

相关推荐

YOLO26算法心电图十二导联目标检测+训练好的模型+368张数据集+pyqt可视化界面.zip

附训练好的 YOLO 权重与 PyQt 可视化检测界面,页面底部含可视化效果预览,毕设/课设开箱即用。 【数据集概况】 · 检测类别(中文):[导联I(I), 导联II(II), 导联III(III), 胸导联V1(V1), 胸导联V2(V2), 胸导联V3(V3), 胸导联V4(V4), 胸导联V5(V5), 胸导联V6(V6), 加压肢体导联aVF(aVF), 加压肢体导联aVL(aVL), 加压肢体导联aVR(aVR)] · 训练集:313 张 · 验证集:37 张 · 测试集:18 张 · 总计:368 张 该数据集聚焦于临床心电图信号的精准识别与定位,其核心检测目标为标准12导联心电图中的各个独立导联波形区域,涵盖肢体导联(I、II、III)与加压肢体导联(aVR、aVL、aVF),以及胸前导联(V1至V6),适用于心电图自动分析系统中对各导联位置的快速准确标注与分类。数据采集场景真实还原了医院心电图室或急诊监护环境下的标准心电图记录纸,波形清晰、基线稳定,具有高度临床参考价值。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 57 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9708** mAP50-95 | 0.6344 Precision | 0.8990 Recall | 0.9191 train/box_loss | 1.2231 train/cls_loss | 0.9703 val/box_loss | 1.2779 val/cls_loss | 0.... 使用场景:毕业设计、课程设计、深度学习入门、工业场景落地验证。

CF1176F Destroy it!题解

题目大意:给定n个块,每个块内给你m个操作,其花费为w,攻击为v。每个块内不得选w总和超过3的操作(可以不选),总计选到第x个(x为10的倍数)时v可以翻倍,求v总和最大值 题解:一道简单到连我都能做出来的 DP 其实就是01背包的变式,多了一个v翻倍操作 设F[i][j]为做到第i个块,选了j个操作 因为空间不够,j%=10,这样不影响计算。 其实只有这么几个转移:{1,1,1},{1,1},{1},{1,2},{2},{3},(集合内代表w),直接做就好了 注意:可以不选,这些转移不一定可行,需要判断

wangyuda123456789的博客 322

企业级AI助手平台 开箱即用的全栈AI平台,支持多智能体协同、Supervisor模式编排、多种决策模式、RAG技术和流程编排能力 支持多厂商大模型统一接入与管理,安全可控的企业知识库与高精度检索优化

企业级AI应用开发框架,支持多厂商大模型统一接入与管理,安全可控的企业知识库与高精度检索优化能力,提供可视化流程编排、自主决策智能体与多智能体协同调度,兼容主流 Agent Skill 协议,帮助企业与开发者零门槛快速构建安全、高效、可落地的AI智能体应用与行业解决方案。

Codeforces 1176 F Destroy it! —— 记忆化搜索

This way 题意: 现在有n次游戏,每次都会有a[i]张牌,每张牌都会有一个花费和价值,每次游戏你拿的牌的花费不能超过3,当你拿完的时候,剩下的牌就被摧毁掉,并开始下一局游戏。如果你当前拿的牌的数量是10的倍数次,那么你当前这张牌的价值就会*2.问你最终最大价值是多少。 题解: 这种状态固定,并且靠枚举的题目一看就是记忆化搜索了。 那么dp[i][j%10]dp[i][j\%10]dp[i]...

天翼之城的博客 395

Java低代码, 轻量级, 支持国产化 国密 AI大模型MCP服务 商业免费 包括核心模块如:组织机构、角色用户、权限授权、数据权限、内容管理、工作流、Spring Cloud 微服务、AI大模型等

Java低代码, 轻量级, 支持国产化 国密 AI大模型MCP服务 商业免费 Spring Boot, MyBatis, Flowable, TypeScript, Vue, Antdv, 包括核心模块如:组织机构、角色用户、权限授权、数据权限、内容管理、工作流、Spring Cloud 微服务、AI大模型、代码生成器等

文创媒体电商行业智算中心(AIDC)建设规划方案.pptx

文创媒体电商行业智算中心(AIDC)建设规划方案.pptx

【Codeforces Round #565 (Div. 3) F Destroy it!】dp

F 题意 就是一个人有 n 回合 每回合不能超过 3 代价的花费 问你能造成多少点伤害 第十个回合是双倍攻击 那么我们就意识到了这个很像dp 而且跟卡牌轮次有关系 所以我们定义dp[n][10] 代表第 n 轮 当前是第几张牌次 我们发现代价为 3 总共只有 6 种花费 1 花费打一张 tmp[1] 2 花费打一张 tmp[2] 3 花费打一张 tmp[3] 1 + 1 2花费打 2 张 tmp[...

我是谁 --- 卡比兽 427

集团企业数字化转型AI智能体平台规划及场景应用方案.pptx

集团企业数字化转型AI智能体平台规划及场景应用方案.pptx

Destroy it!

https://codeforces.com/contest/1176/problem/F

无限迭代中...... 633

基于动态窗口法DWA的机器人路径规划研究(Matlab代码实现)

内容概要:本文系统研究了基于动态窗口法(DWA)的机器人局部路径规划算法,深入剖析其在动态环境中实现自主避障与实时轨迹优化的核心机制。文章详细阐述了DWA算法的速度空间采样策略、轨迹预测模型、动力学约束处理及多目标代价函数的设计原理,并通过构建完整的Matlab仿真框架验证算法有效性。结合典型场景的仿真实验,展示了机器人在复杂障碍物环境下如何实时生成安全、平滑且符合运动学约束的最优路径,充分体现了DWA在移动机器人导航中的实用性与鲁棒性。; 适合人群:具备机器人运动规划基础知识和Matlab编程能力,从事智能移动机器人、自动驾驶或服务机器人研发的研究生、科研人员及工程技术人员。; 使用场景及目标:①深入理解DWA算法的理论基础与实现细节;②掌握机器人局部路径规划的仿真实现方法;③为实际机器人系统的导航模块开发提供可复用的算法原型与代码参考;④作为进一步研究高级导航算法(如TEB、MPC)的技术基础。; 阅读建议:建议结合提供的Matlab代码逐模块分析与调试,重点关注速度采样、轨迹积分、障碍物距离计算及代价评估等关键环节,通过调整参数在不同地图环境中进行对比实验,以深刻把握算法性能与参数之间的关系,进而提升对实时路径规划系统设计的理解与应用能力。

【轴承故障诊断】用于轴承故障诊断的集中时频分析研究(Matlab代码实现)

内容概要:本文系统研究了用于轴承故障诊断的集中时频分析技术,重点解决了传统时频分析方法在处理非平稳信号时存在的能量分散与分辨率不足等问题。通过引入集中时频分析方法,能够有效聚焦信号能量,精确提取轴承故障特征频率,提升故障识别的准确性与时效性。文章详细阐述了该方法的理论基础,并结合仿真信号与实际实验数据验证其优越性能,同时提供了完整的Matlab代码实现流程,涵盖信号预处理、时频变换、参数优化及结果可视化等环节,便于读者复现与拓展应用。; 适合人群:具备一定信号处理理论基础和Matlab编程能力的研究生、科研人员,以及从事机械设备状态监测、故障诊断与预测性维护工作的工程技术人员。; 使用场景及目标:①应用于电机、风机、齿轮箱等旋转机械的早期轴承故障检测,实现故障预警;②提升工业设备运维系统的智能化水平,支撑预测性维护体系构建;③作为高校或研究机构在信号处理、机械故障诊断等课程中的教学案例与实践素材。; 阅读建议:建议读者结合文中提供的Matlab代码逐段运行与调试,深入理解集中时频分布的生成机制及其关键参数(如核函数选择、平滑窗口大小)对诊断效果的影响,并尝试将其应用于其他类型的机械故障信号分析中,开展对比研究以深化对该方法适用性的认识。

【Codeforces Round #565 (Div. 3) D Recover it!】思维乱搞

题意 如果一个数是质数 他只能生成质数序列的第他本身个质数 否则会生成他的最大因子 首先我们要知道 肯定是把两个质数分开 然后我们发现 只有大的质数会被小的质数生成 比如 3 是 2 生成的 5 是 3 生成的 那么我们从大到小 找到一个质数就把生成他的质数放在答案序列里面 如果不是质数 那么我们就需要把他放进答案序列里面 消除他最大因子的贡献 一开始忘记 n是 2n re了一发 ans[0]和a...

我是谁 --- 卡比兽 272

FFT中的精度博弈:定点数缩放、块浮点与溢出处理在Vivado IP核中的实践权衡

本文探讨了在Vivado FFT IP核中实现高精度快速傅里叶变换的关键技术,包括定点数缩放策略、块浮点模式及溢出处理机制。通过分析不同精度控制方案的资源开销与性能权衡,为工程师在医疗成像、雷达信号处理等高动态范围应用中优化FFT实现提供实践指导。

melon的博客 1096

Codeforces Round #565 (Div. 3) D~F

题目链接: https://codeforces.com/contest/1176 题目: D. Recover it! 题面: 思路: 线性筛出199999个质数,顺便储存每个合数的最大因子,然后2750131开始倒推,大的质数肯定是某个小的数映射而来,大的合数可以求出最大因子数 #include<bits/stdc++.h> using namespace std; typede...

mzip的博客 273

ROS2机械臂MPC轨迹规划实战:从MoveIt 2插件配置到参数调优全流程

本文详细介绍了ROS2机械臂MPC轨迹规划的全流程,从MoveIt 2插件配置到参数调优。通过模型预测控制(MPC)技术,实现高精度运动控制,特别适合复杂装配任务。文章包含环境搭建、插件部署、参数设计及实战调优方法,帮助开发者快速掌握ROS2机械臂的MPC轨迹规划技术。

i0j1k2l3m的博客 206

STM32 HAL库定时器中断里读编码器速度准吗?聊聊MG310电机的测速与防溢出处理

本文探讨了STM32 HAL库在定时器中断中读取编码器速度的精度问题,特别针对MG310电机的测速与防溢出处理提供了解决方案。通过对比定时中断法和编码器模式的性能,揭示了硬件编码器接口在降低误差和CPU占用率方面的优势,并详细介绍了CubeMX配置技巧和防溢出处理的工程实践。

weixin_28720767的博客 401

Codeforces Round #565 (Div. 3) (D+F)

心得 ABCE四个水题, D在归神代码的思路指导下过了,觉得D这代码绝了…… F和归神糊了糊,开始想过贪心想过dp想过背包, 最后一人提了对牌数dp,一个提出用枚举6种情况代替背包 就把思路凑出来了,然而没时间写了所以补一下…… 应该是期末之前最后一次打cf了,这两天再看看大创看看期末就去考试了…… 两周之后见.jpg D.Recover it! a数组中有n(n<=2e5...

小衣同学的博客 387

Amber分子动力学模拟:蛋白结构准备全流程与关键注意事项

分子动力学模拟是研究蛋白结构、配体结合与构象变化的重要计算手段,其结果的可靠性高度依赖初始结构的质量。在Amber模拟体系中,结构准备是决定后续计算成败的“一票否决”环节,任何缺失残基、错误质子化状态或未处理的二硫键都可能让长时程模拟失去意义。从PDB原始文件出发,需依次完成结构检查与清洗、残基命名统一、配体参数化、金属离子建模、加氢及质子化状态判断,最后通过tleap构建力场、溶剂盒子与离子环境。这一过程看似琐碎,却直接决定了蛋白在模拟中的物理合理性。无论是解析催化机制、评估药物结合亲和力,还是探索构象变

weixin_31714129的博客 237

学习

destroy_it的专栏 247

网安保研避坑指南:中科院信工所各研究室真实体验与导师选择建议

本文为中科院信工所网络安全保研生提供深度指南,详细解析了信工所六个研究室的研究方向、真实氛围与导师选择策略。文章特别强调,选择导师是决定研究生体验的关键,并提供了针对各研究室的避坑建议与实战调研方法,帮助学生做出明智选择。

weixin_29210727的博客 1577

Go语言集成Ollama本地大模型:gollama库实战指南

在当今的AI应用开发中,大型语言模型(LLM)的集成已成为关键技术。其核心原理是通过API调用,将自然语言处理能力嵌入到各类应用中。从技术价值看,本地化部署的LLM解决了数据隐私、网络延迟和持续成本三大痛点,尤其适合处理敏感数据或对实时性要求高的场景。在工程实践中,开发者常使用专门的客户端库来简化与模型服务的交互,例如通过封装REST API、提供类型安全接口和流式处理支持,从而提升开发效率和代码健壮性。具体到Go语言生态,结合Ollama这一流行的本地大模型运行工具,可以实现完全离线、低延迟的AI功能集成

weixin_28728443的博客 604

Servlet之 destroy

只听说过 Servlet 何时 init(),何时 service(),却没有仔细想过何时被 destroy() ____________________________________________________________________ [url=http://stackoverflow.com/questions/24832470]When exactly a se...

iteye_3352的博客 391

基于YOLO26的实时目标追踪实战:从训练到视频追踪(附完整可视化代码)

核心组合:YOLO26(高精度检测)+ ByteTrack(稳定追踪)是实时目标追踪的最优工业组合,Ultralytics内置集成无需额外开发;训练优化:追踪场景需优先提升检测框精度(增加box损失权重),保证ID稳定性;可视化核心:为每个ID分配唯一颜色、绘制运动轨迹、显示FPS,是落地场景的必备功能;性能调优:轻量化模型+降分辨率+OpenVINO导出,可在边缘设备(如研华工控机)实现实时追踪。这套代码可直接复用到智慧园区、停车场、工业产线等场景,仅需修改park.yaml中的类别和。

专注于Python爬虫开发,分享爬虫技巧、项目实战与反爬经验,使用Scrapy、BeautifulSoup等工具,解决数据抓取难题。 571

Codeforces 1176F

Codeforces 1176F 题目 题意:T组物品,按顺序选一个一个选,物品首先要满足组间的相对顺序,每个物品有价值和体积,每组选择的体积不能超过3,组内的选择物品的顺序可以调整,在总的物品的顺序中,如果某一个物品它的编号是10的倍数,则这个物品的价值会翻倍。求最大价值。 做法:首先背包求出每一组,取j个物品构成体积k的最大价值,以及取j个物品构成体积k的且有一个价值翻倍的最大价值...

dehukun0483的博客 273

基于Jeecgboot3.9.0的vue3版本前后端分离的flowable流程管理平台

基于Jeecgboot3.9.0的vue3版本前后端分离的flowable流程管理平台

宁波阿成的博客 900

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

下一篇: 2050编程赛 冰水挑战 HDU 6495
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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