ZCMU1729 C(queue的应用+贪心)

在一场关于恐怖电影的梦境中,赵栋栋面临了一项算法挑战:如何用最少的蜡烛确保每只鬼出现时都有至少r枝蜡烛燃烧?通过贪心策略,我们探讨了算法设计和实现细节,解决了一个有趣而富有挑战性的问题。

Description

   赵栋栋喜欢看恐怖电影。因此有一次他在做梦时,他梦到了m只鬼。这些鬼很怕光,所以赵栋栋准备了很多蜡烛。每支蜡烛可以正好燃烧t秒。赵栋栋需要1秒去点燃一支蜡烛。也就是说赵栋栋花费1秒去点燃一支蜡烛,然后这支蜡烛会在燃烧t秒后熄灭。对于每只鬼,赵栋栋知道它们会在什么时候出现,第i只鬼会在第wi秒出现。并且只持续1秒。赵栋栋想要知道他最少需要准备几枝蜡烛,才能保证每次当鬼出现时至少有r枝蜡烛是在燃烧的。赵栋栋可以在x秒的时候点燃蜡烛。x必须是整数,但是可以为0和负数。

Input

  输入包含多组测试数据。每组测试数据的第一行有三个正整数m,t,r(1 <= m, t, r <= 300)。第二行有m个整数wi(1 <= wi <= 300),代表每个鬼出现的时间。所有的wi都不相同并且从小到大排序。

Output

 对于每组测试数据,输出一行,如果可以满足条件则输出最少需要的蜡烛数,否则输出“-1”。

Sample Input

1 8 3

10

2 10 1

5 8

1 1 3

10

Sample Output

3

1

-1

思路

贪心: 点燃的蜡烛要尽量的少并且满足条件,那么点蜡烛的时机应该在鬼出现时的前r秒

不满足条件的情况如下:

   A.若蜡烛的燃烧时间+(第一个鬼出现的时间-r)<第一个鬼出现的时间,那么肯定不满足条件

   B.在每个鬼出现时间的前r秒中,蜡烛的燃烧时间支撑不到鬼出现

代码

#include<stdio.h>
#include<iostream>
#include<queue>
using namespace std;
#define MAX 400
int solve(int *ghost,int n,int time,int r)
{
    if(ghost[1]-r+time<ghost[1])
        return -1;
    queue<int> candle;
    int i,re=r;
    //第一个鬼出现前点好r根蜡烛,进入队列的数值是点燃蜡烛的那个时间点
    for(i=r; i>=1; i--)
        candle.push(ghost[1]-i);
    for(i=2; i<=n; i++)
    {
        //第i个鬼出现时,之前点的蜡烛已经熄灭的退出队列
        while(ghost[i]-candle.front()>time)
        {
            candle.pop();
            if(candle.empty()) break;
        }
        //num是点燃蜡烛的最佳时间
        int num=ghost[i]-r+candle.size();
        while(candle.size()!=r)
        {
            if(num>=ghost[i]) return -1;
            candle.push(num++);
            re+=1;
        }
    }
    return re;
}
int main()
{
    int n,time,r;
    int ghost[MAX];
    while(~scanf("%d %d %d",&n,&time,&r))
    {
        int i;
        for(i=1; i<=n; i++)
        {
            scanf("%d",&ghost[i]);
        }
        printf("%d\n",solve(ghost,n,time,r));
    }
    return 0;
}

 

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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