HDU 6438 Buy and Resell

本文介绍了一种使用优先队列实现的贪心算法,用于解决股票交易中无限次买卖以获取最大利润的问题。算法通过每日计算可能的收益,并标记交易状态来跟踪实际交易次数。

高卖低买,可以交易多次

维护一个优先队列,贪心

相当于每天卖出

用当前元素减优先队列最小得到收益

用0/卖出,1/买入标志是否真实进行了交易,记录次数

 

#include<bits/stdc++.h>
using namespace std;
typedef long long ll;
ll A[500005];
#define P pair<ll,ll>
priority_queue<P,vector<P>,greater<P> > q;
int main()
{
    int T,N;
    scanf("%d",&T);
    while(T--){
        scanf("%d",&N);
        ll ans=0,t,tt=0;
        while(!q.empty())q.pop();
        for(int i=0;i<N;i++){
            scanf("%lld",&A[i]);
            q.push(P(A[i],0));
            q.push(P(A[i],1));
            t=A[i]-q.top().first;
            if(q.top().second==1)tt+=2;
            q.pop();
            ans+=t;

        }
        cout<<ans<<' '<<tt<<'\n';
    }
}

 

转载于:https://www.cnblogs.com/liulex/p/11367476.html

数据集介绍:垃圾分类检测数据集 一、基础信息 数据集名称:垃圾分类检测数据集 图片数量: 训练集:2,817张图片 验证集:621张图片 测试集:317张图片 总计:3,755张图片 分类类别: - 金属:常见的金属垃圾材料。 - 纸板:纸板类垃圾,如包装盒等。 - 塑料:塑料类垃圾,如瓶子、容器等。 标注格式: YOLO格式,包含边界框和类别标签,适用于目标检测任务。 数据格式:图片来源于实际场景,格式为常见图像格式(如JPEG/PNG)。 二、适用场景 智能垃圾回收系统开发: 数据集支持目标检测任务,帮助构建能够自动识别和分类垃圾材料的AI模型,用于自动化废物分类和回收系统。 环境监测与废物管理: 集成至监控系统或机器人中,实时检测垃圾并分类,提升废物处理效率和环保水平。 学术研究与教育: 支持计算机视觉与环保领域的交叉研究,用于教学、实验和论文发表。 三、数据集优势 类别覆盖全面: 包含三种常见垃圾材料类别,覆盖日常生活中主要的可回收物类型,具有实际应用价值。 标注精准可靠: 采用YOLO标注格式,边界框定位精确,类别标签准确,便于模型直接训练和使用。 数据量适中合理: 训练集、验证集和测试集分布均衡,提供足够样本用于模型学习和评估。 任务适配性强: 标注兼容主流深度学习框架(如YOLO等),可直接用于目标检测任务,支持垃圾检测相关应用。
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