cf1282C 贪心 思维题

本文解析了1282C1800算法题,介绍了在有限时间内解决不同难度题目以获得最大分数的策略。通过枚举离场时间,优先解决截止时间前的题目,并按易到难顺序贪心地解决问题。

1282C 1800的题
题意:现有n个题,你要在时间t内做这些题,其中这些题有容易的题表示为0,做完一题的时间为a,难的题表示为1,做完一题的时间为b,且a<b,现在添加一些限制条件,假设你离开的时间为s,那么对于ti<=s的题目将成为你必须要解决的题目,不然你的得分将变为0,现在求你能得到的最大分数是多少
思路:首先对于ti<=s的题目要先做完,然后假设如果你离开的时间为ti-1的话,那么在你完成ti-1之前的问题后,还能最多做出几道题,先做容易题,再做难题,贪心一下。所以这题的思路就出来了,枚举ti-1,即你离开的时间,然后按照上面的来就可以了

#include <cstdio>
#include <iostream>
#include <algorithm>
#include <cstring>
#include <vector>
#include <cmath>
#include <queue>
#include <set>
#include <map>
#include <stack>
using namespace std;
typedef long long ll;
typedef pair<int, int> pii;
#define rep(i, a, n) for(int i = a; i < n; i++)
#define per(i, a, n) for(int i = n-1; i >= a; i--)
#define IOS std::ios::sync_with_stdio(false), cin.tie(0), cout.tie(0);
#define INF 1ll<<60
#define fopen freopen("file.in","r",stdin);freopen("file.out","w",stdout);
#define fclose fclose(stdin);fclose(stdout);
const int maxn = 2e5+10;
inline int read(){
	int x=0,f=1;char ch=getchar();
	while (!isdigit(ch)){if (ch=='-') f=-1;ch=getchar();}
	while (isdigit(ch)){x=x*10+ch-48;ch=getchar();}
	return x*f;
}
struct node
{
	int t, degree;
	bool operator < (const node &x)&{
		if(x.t==t){
			return x.degree>degree;
		}else return x.t>t;
	}
};
node c[maxn];
int main(){
	int m;
	m = read();
	while(m--){
		int n=read(), t=read(), a=read(), b=read();
		ll suma=0, sumb=0;
		rep(i,0,n)	{
			c[i].degree=read();
			if(c[i].degree==0) suma++;
			else sumb++;
		}
		rep(i,0,n)	c[i].t=read();
		sort(c, c+n);
		c[n].t=t+1;
		ll cnta=0, cntb=0, ans=0;
		rep(i,0,n+1){
			ll tmp = cnta*a+cntb*b;
			tmp = c[i].t-tmp-1;
			if(tmp>=0){
				ll ia=min(tmp/a, suma-cnta); 
				tmp -= ia*a;
				ll ib=min(tmp/b, sumb-cntb);
				ans = max(ans, cnta+cntb+ia+ib);
			}
			if(c[i].degree==0) cnta++;
			else cntb++;
		}
		printf("%lld\n", ans);
	}
	return 0;
}
提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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