JZOJ1276 护花(贪心)

本篇介绍了一个关于顺序选择的贪心算法问题,通过优化牛群从花园到牛棚的迁移顺序来最小化花的损失。文章提供了一种有效的方法来确定最佳迁移顺序,并附带了实现该算法的C++代码。

Description
FJ出去砍木材去了,把N(2<=N<=100,000)头牛留在家中吃草,当他回来的时候,发现奶牛们都跑到花园里吃花去了,为了减少损失,FJ打算把牛移到牛棚中去。
  每头牛的位置离牛棚需要Ti分钟(1<=Ti<=2,000,000),而且在等待被移走的过程中,每分钟破坏Di(1<=Di<=100)朵花,无论多么努力FJ一次只能移动一只奶牛,移动一只奶牛到牛棚需要2×Ti分钟(来回各一次)。
  写一个程序安排移动顺序使得损失的花最少。

输入:
  第1行输入一个整数N
  第2到N+1行每行包含两个整数Ti和Di
输出:
输出一个整数表示最少损失的花的数量。

样例输入:
6
3 1
2 5
2 3
3 2
4 1
1 6

样例输出:
86

题解:
分析题面,由于每一次只能牵一头牛出来,并且和其他的牛没有关系(其他的牛都会破坏花),可以贪心选择顺序。
设选第i只牛先拉出来比第j只牛先拉出来更优,于是有不等式:
2T[i] * D[j] < 2T[j] * D[i] 约去2 得:T[i] * D[j] < T[j] * D[i]。
每一次只用考虑相邻的两头牛贪心比较,毕竟跟后面没选的牛没卵关系,复杂度就On了。

代码:

# include<cstdio>
# include<algorithm>
using namespace std;
const int N = 1e5 + 10;
typedef long long ll;
ll ans,sum;
int pos[N],t[N],d[N],n,i;
int cmp(int a,int b)
{
    return t[a]*d[b] < t[b]*d[a];
}
int main()
{
    scanf("%d",&n);
    for (i = 1;i <= n; i++)
    {
        scanf("%d%d",t + i,d + i);
        pos[i] = i;
        sum += d[i]*1ll;
    }
    sort(pos + 1,pos + n + 1,cmp);
    for (i = 1;i <= n; i++)
    {
        sum -= d[pos[i]];
        ans += t[pos[i]]*sum*2;
    }
    printf("%lld",ans);
    return 0;
}

以后遇到这种跟选择顺序有关的题,可以考虑设贪心不等式。

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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