Codeforces Gym 100819S Surf

本文深入解析了一个关于冲浪最大欢乐值的问题,通过动态规划(DP)算法解决,具体探讨了如何在不同时间点选择冲浪,以最大化获得的快乐值。提供了详细的算法实现步骤和优化技巧。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Codeforces Gym 100819S Surf
传送门
题意:一个人去冲浪,给了每个浪来的时间,以及冲这个浪带来的欢乐值和冲这个浪花费的时间。求最大欢乐值。(保证同一时间不会出现重复的浪)
比如有4个浪

4
8     50    2
10    40    2
2     80    9
13    20    5

第一个浪在第2分钟,冲它可以得到80的快感,冲完后时间变成了2+9=11,此时时间为8,10的浪就无法冲了,只能冲时间为13的浪,那么他的快感总值就为100。如果选择放弃第2分钟的那个浪,那么从第8分钟开始,他可以冲第8,10,13分钟的浪,总值为110。所以可以获得最大欢乐值为110。
思路:一看就知道是dp,刚开始以每个浪为变量,怎么都推不出转移方程,后来问了问,说是以每个时间为变量,即dp[i]表示第i分钟能获得的最大值。写了个转移方程

dp[i]=max{dp[i-1],dp[i+w[i]]+f[i]}

w[i]表示等待的时间,f[i]表示能获得的快感。
因为dp[i+w[i]]不知道
只能倒着推

dp[i]=max{dp[i+1],dp[i+w[i]]+f[i]}

因为数据保证在1000000以内,所以1000001的快感为0。
代码如下

#include<stdio.h>
#define max(a,b) (a>b?a:b)
inline int read()
{
  int x=0;
  char ch=getchar();
  while(ch>='0'&&ch<='9')
    x=x*10+ch-48,ch=getchar();
  return x;
}
int n,f[1000005],w[1000005];
long long dp[1000005];
int main()
{
  n=read();
  for(int i=1;i<=n;i++)
  {
    int s;
    s=read();
    f[s]=read();
    w[s]=read();
  }
  for(int i=1000000;i>0;i--)
  {
    if(f[i])
    {
      if(i+w[i]>1000000)
        dp[i]=max(dp[i+1],f[i]);
      else
        dp[i]=max(dp[i+1],f[i]+dp[i+w[i]]);
    }
    else dp[i]=dp[i+1];
  }
  printf("%I64d",dp[1]);
  return 0;
}

加了一个输入外挂,时间优化快了一倍,233…..

Codeforces Gym 101630 是一场编程竞赛,通常包含多个算法挑战问题。这些问题往往涉及数据结构、算法设计、数学建模等多个方面,旨在测试参赛者的编程能力和解决问题的能力。 以下是一些可能出现在 Codeforces Gym 101630 中的题目类型及解决方案概述: ### 题目类型 1. **动态规划(DP)** 动态规划是编程竞赛中常见的题型之一。问题通常要求找到某种最优解,例如最小路径和、最长递增子序列等。解决这类问题的关键在于状态定义和转移方程的设计[^1]。 2. **图论** 图论问题包括最短路径、最小生成树、网络流等。例如,Dijkstra 算法用于求解单源最短路径问题,而 Kruskal 或 Prim 算法则常用于最小生成树问题[^1]。 3. **字符串处理** 字符串问题可能涉及模式匹配、后缀数组、自动机等高级技巧。KMP 算法和 Trie 树是解决此类问题的常用工具[^1]。 4. **数论与组合数学** 这类问题通常需要对质数、模运算、排列组合等有深入的理解。例如,快速幂算法可以用来高效计算大数的模幂运算[^1]。 5. **几何** 几何问题可能涉及点、线、多边形的计算,如判断点是否在多边形内部、计算两个圆的交点等。向量运算和坐标变换是解决几何问题的基础[^1]。 ### 解决方案示例 #### 示例问题:动态规划 - 最长递增子序列 ```python def longest_increasing_subsequence(nums): if not nums: return 0 dp = [1] * len(nums) for i in range(len(nums)): for j in range(i): if nums[i] > nums[j]: dp[i] = max(dp[i], dp[j] + 1) return max(dp) # 示例输入 nums = [10, 9, 2, 5, 3, 7, 101, 18] print(longest_increasing_subsequence(nums)) # 输出: 4 ``` #### 示例问题:图论 - Dijkstra 算法 ```python import heapq def dijkstra(graph, start): distances = {node: float('infinity') for node in graph} distances[start] = 0 priority_queue = [(0, start)] while priority_queue: current_distance, current_node = heapq.heappop(priority_queue) if current_distance > distances[current_node]: continue for neighbor, weight in graph[current_node].items(): distance = current_distance + weight if distance < distances[neighbor]: distances[neighbor] = distance heapq.heappush(priority_queue, (distance, neighbor)) return distances # 示例输入 graph = { 'A': {'B': 1, 'C': 4}, 'B': {'A': 1, 'C': 2, 'D': 5}, 'C': {'A': 4, 'B': 2, 'D': 1}, 'D': {'B': 5, 'C': 1} } start = 'A' print(dijkstra(graph, start)) # 输出: {'A': 0, 'B': 1, 'C': 3, 'D': 4} ``` #### 示例问题:字符串处理 - KMP 算法 ```python def kmp_failure_function(pattern): m = len(pattern) lps = [0] * m length = 0 # length of the previous longest prefix suffix i = 1 while i < m: if pattern[i] == pattern[length]: length += 1 lps[i] = length i += 1 else: if length != 0: length = lps[length - 1] else: lps[i] = 0 i += 1 return lps def kmp_search(text, pattern): n = len(text) m = len(pattern) lps = kmp_failure_function(pattern) i = 0 # index for text j = 0 # index for pattern while i < n: if pattern[j] == text[i]: i += 1 j += 1 if j == m: print("Pattern found at index", i - j) j = lps[j - 1] elif i < n and pattern[j] != text[i]: if j != 0: j = lps[j - 1] else: i += 1 # 示例输入 text = "ABABDABACDABABCABAB" pattern = "ABABCABAB" kmp_search(text, pattern) # 输出: Pattern found at index 10 ``` ###
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