LG 1280 尼克的任务

本文介绍了一种使用动态规划解决工作时间内如何选择任务以获得最大空暇时间的方法。通过从后向前推导,利用数组记录每分钟的状态,最终得到整个工作时段内可能获得的最大空暇时间。
题目描述

尼克每天上班之前都连接上英特网,接收他的上司发来的邮件,这些邮件包含了尼克主管的部门当天要完成的全部任务,每个任务由一个开始时刻与一个持续时间构成。

尼克的一个工作日为N分钟,从第一分钟开始到第N分钟结束。当尼克到达单位后他就开始干活。如果在同一时刻有多个任务需要完成,尼克可以任选其中的一个来做,而其余的则由他的同事完成,反之如果只有一个任务,则该任务必需由尼克去完成,假如某些任务开始时刻尼克正在工作,则这些任务也由尼克的同事完成。如果某任务于第P分钟开始,持续时间为T分钟,则该任务将在第P+T-1分钟结束。

写一个程序计算尼克应该如何选取任务,才能获得最大的空暇时间。

输入格式:

输入数据第一行含两个用空格隔开的整数N和K(1≤N≤10000,1≤K≤10000),N表示尼克的工作时间,单位为分钟,K表示任务总数。
接下来共有K行,每一行有两个用空格隔开的整数P和T,表示该任务从第P分钟开始,持续时间为T分钟,其中1≤P≤N,1≤P+T-1≤N。

输出格式:

输出文件仅一行,包含一个整数,表示尼克可能获得的最大空暇时间。

输入输出样例

输入样例#1:
15 6
1 2
1 6
4 11
8 5
8 1
11 5
输出样例#1:
4

thinking: 又是一道动态规划的题目。这里dp[i]表示的是从第i分钟到第n分钟的空闲时间,那最后输出dp[1]就好了。之所以从后向前是因为如果从前向后的话,定义dp[i]为第1分钟到第i分钟的空闲时间,那这回和后面的时间有关系,所以从后向前。如果第i分钟是空闲,那么dp[i] = dp[i+1] + 1,如果第i分钟在工作,那么就从以第i分钟为开始的任务中选择空闲时间最长的就好了。if(nodes[j].start == i)dp[i] = max(dp[i], dp[i+nodes[j].last]);

其实我最后还想写一些自己这两天的感受,先是昨天(周五)公选课结束之后虽然强迫自己在教室自习,但是满脑子都是我是歌手,想听张韶涵,于是我回了寝室;再是今天,看大物一直头疼,可能和中午没睡觉有关系,总之就是很丧啊,然后我就看洛谷上面的动态规划的题目,结果就是脑子更疼了。期末加油吧,之前总是喜欢干什么都一个人,现在想想多一些人坚持下去的可能性会更大吧。

#include<bits/stdc++.h>
using namespace std;

struct node{
    int start, last;
}nodes[10010];
int sum[10010];
int dp[10010];
int n, k;

bool cmp(const node&a, const node& b){
    if(a.start > b.start)
        return  true;
    return false;
}

int main(){
    scanf("%d%d", &n, &k);
    for(int i = 1; i <= k; i++){
        scanf("%d%d", &nodes[i].start, &nodes[i].last);
        sum[nodes[i].start]++;
    }
    sort(nodes+1, nodes+k+1, cmp);
    for(int i = n; i > 0; i--){
        if(sum[i] == 0)
            dp[i] = dp[i+1] + 1;
        else{
            for(int j = 1; j <= k; j++){
                if(nodes[j].start == i)
                    dp[i] = max(dp[i], dp[i+nodes[j].last]);
            }
        }
    }
    printf("%d\n", dp[1]);
    return 0;
}
【评估多目标跟踪方法】9个高度敏捷目标在编队中的轨迹和测量研究(Matlab代码实现)内容概要:本文围绕“评估多目标跟踪方法”,重点研究9个高度敏捷目标在编队飞行中的轨迹生成与测量过程,并提供完整的Matlab代码实现。文中详细模拟了目标的动态行为、运动约束及编队结构,通过仿真获取目标的状态信息与观测数据,用于验证和比较不同多目标跟踪算法的性能。研究内容涵盖轨迹建模、噪声处理、传感器测量模拟以及数据可视化等关键技术环节,旨在为雷达、无人机编队、自动驾驶等领域的多目标跟踪系统提供可复现的测试基准。; 适合人群:具备一定Matlab编程基础,从事控制工程、自动化、航空航天、智能交通或人工智能等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于多目标跟踪算法(如卡尔曼滤波、粒子滤波、GM-CPHD等)的性能评估与对比实验;②作为无人机编队、空中交通监控等应用场景下的轨迹仿真与传感器数据分析的教学与研究平台;③支持对高度机动目标在复杂编队下的可观测性与跟踪精度进行深入分析。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注轨迹生成逻辑与测量模型构建部分,可通过修改目标数量、运动参数或噪声水平来拓展实验场景,进一步提升对多目标跟踪系统设计与评估的理解。
本软件实现了一种基于时域有限差分法结合时间反转算法的微波成像技术,旨在应用于乳腺癌的早期筛查。其核心流程分为三个主要步骤:数据采集、信号处理与三维可视化。 首先,用户需分别执行“WithTumor.m”与“WithoutTumor.m”两个脚本。这两个程序将在模拟生成的三维生物组织环境中进行电磁仿真,分别采集包含肿瘤模型与不包含肿瘤模型的场景下的原始场数据。所获取的数据将自动存储为“withtumor.mat”与“withouttumor.mat”两个数据文件。 随后,运行主算法脚本“TR.m”。该程序将加载上述两组数据,并实施时间反转算法。算法的具体过程是:提取两组仿真信号之间的差异成分,通过一组专门设计的数字滤波器对差异信号进行增强与净化处理,随后在数值模拟的同一组织环境中进行时间反向的电磁波传播计算。 在算法迭代计算过程中,系统会按预设的周期(每n次迭代)自动生成并显示三维模拟空间内特定二维切面的电场强度分布图。通过对比观察这些动态更新的二维场分布图像,用户有望直观地识别出由肿瘤组织引起的异常电磁散射特征,从而实现病灶的视觉定位。 关于软件的具体配置要求、参数设置方法以及更深入的技术细节,请参阅软件包内附的说明文档。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
看起来您提到的“尼克任务”并不明确指向某个具体的Python任务或项目,能否请您提供更多的背景信息以便我能更准确地帮助您? 不过,假设这是一个关于使用Python完成特定任务的例子,“尼克任务”可能是学习如何通过编写Python脚本来自动化日常的数据处理工作。例如: 1. **读取CSV文件并进行数据清洗**:如果尼克需要定期整理大量的销售记录,他可以利用`pandas`库轻松加载、过滤和转换这些表格型数据。 ```python import pandas as pd # 加载csv文件到DataFrame中 df = pd.read_csv('sales_data.csv') # 删除所有包含缺失值的行 cleaned_df = df.dropna() # 保存清理后的结果为新的csv文件 cleaned_df.to_csv('cleaned_sales_data.csv', index=False) ``` 2. **发送电子邮件通知**:当某些条件满足时自动触发邮件提醒功能。这里我们可以借助`smtplib`模块构建一个简单的发信程序。 ```python import smtplib from email.mime.text import MIMEText def send_email(subject, body, to_addr): msg = MIMEText(body) msg['Subject'] = subject msg['From'] = "your-email@example.com" msg['To'] = to_addr with smtplib.SMTP_SSL('smtp.example.com') as server: server.login("your-email", "password") server.send_message(msg) if some_condition_met(): send_email("Task Reminder", "Please check the updated report.", "nick@domain.com") ``` 当然这只是两个非常基础的应用场景示例,实际上Python可以应用于许多其他领域如Web开发、数据分析、机器学习等。“尼克任务”的具体内容取决于他的实际需求。
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