codeforces round #413 C. Fountains

本文探讨了在有限预算下购买两种类型喷泉的最大美观度问题。通过暴力算法与线段树优化方案对比,实现效率提升。适用于算法优化及数据结构学习。
题意:你有两种货币,分别可以买两种类型的喷泉,每个喷泉都有美观度,给你c个1货币和d个2货币,让你买两个喷泉,求最大美观度;
思路1:暴力,对于每个喷泉,买完这个喷泉后,剩下的钱来买另一个喷泉(这个喷泉的美观度要最大),时间:1700ms;

#include <iostream>
#include <algorithm>

using namespace std;
const int maxn = 100000+10;

struct node
{
    int bea;
    int pri;
}fc[maxn],fd[maxn];
bool cmp(node a,node b)
{
    return a.bea>b.bea;
}
int main()
{
    int n,c,d;
    cin>>n>>c>>d;
    int cl = 0,dl = 0;
    for(int i = 0;i<n;i++)
    {
        int b,p;
        char type;
        cin>>b>>p>>type;
        if(type=='C')
        {
            if(p<=c)
            {
                fc[cl].bea = b;
                fc[cl].pri = p;
                cl++;
            }
        }
        else if(type=='D')
        {
            if(p<=d)
            {
                fd[dl].bea = b;
                fd[dl].pri = p;
                dl++;
            }
        }
    }
    if(cl+dl<2)
    {
        cout<<'0';
        return 0;
    }
    sort(fc,fc+cl,cmp);
    sort(fd,fd+dl,cmp);
    int ans = 0;
    if(cl>=2)
    {
        for(int i = 0;i<cl;i++)
        {
            int maxx = 0;
            int p1 = fc[i].pri;
            for(int j=i+1;j<cl;j++)
            {
                if(fc[j].pri<=c-p1)
                {
                    maxx = fc[i].bea+fc[j].bea;
                    break;
                }
            }
            ans = max(ans,maxx);
        }
    }
    if(dl>=2)
    {
        for(int i = 0;i<dl;i++)
        {
            int maxx = 0;
            int p1 = fd[i].pri;
            for(int j=i+1;j<dl;j++)
            {
                if(fd[j].pri<=d-p1)
                {
                    maxx = fd[i].bea+fd[j].bea;
                    break;
                }
            }
            ans = max(ans,maxx);
        }
    }
    if(dl>0&&cl>0)
    {
        ans = max(ans,fc[0].bea+fd[0].bea);
    }
    cout<<ans;
    return 0;
}
思路2:用线段树维护区间最大值; 时间:346ms;

#include <iostream>

using namespace std;
const int maxn = 100000+10;
int tree[2][maxn*4];

void build(int t,int rt,int l,int r)
{
    if(l==r)
    {
        tree[t][rt] = 0;
        return ;
    }
    int mid = (l+r)>>1;
    build(t,rt<<1,l,mid);
    build(t,(rt<<1)+1,mid+1,r);
}

void update(int t,int rt,int l,int r,int q,int v)
{
    if(l==r)
    {
        tree[t][rt] = max(tree[t][rt],v);
        return;
    }
    int mid = (l+r)>>1;
    if(q<=mid)
    {
        update(t,rt<<1,l,mid,q,v);
    }
    if(q>mid)
    {
        update(t,(rt<<1)+1,mid+1,r,q,v);
    }
    tree[t][rt] = max(tree[t][rt<<1],tree[t][(rt<<1)+1]);
}

int query(int t,int rt,int l,int r,int ql,int qr)
{
    if(ql<=l&&r<=qr)
    {
        return tree[t][rt];
    }
    int mid = (l+r)>>1;
    int ml = 0,mr = 0;
    if(ql<=mid)
    {
        ml = query(t,rt<<1,l,mid,ql,qr);
    }
    if(qr>mid)
    {
        mr = query(t,(rt<<1)+1,mid+1,r,ql,qr);
    }
    return max(ml,mr);
}

int main()
{
    int n,c,d;
    cin>>n>>c>>d;
    build(0,1,0,c);
    build(1,1,0,d);
    int maxc = 0,maxd = 0;
    int ans = 0;
    for(int i = 0;i<n;i++)
    {
        int b,p;
        char type;
        cin>>b>>p>>type;
        if(type=='C')
        {
            if(p<=c)
            {
                maxc = max(maxc,b);
                int p1 = c-p;
                int b1 = query(0,1,0,c,0,p1);
                if(b1!=0)
                {
                    ans = max(ans,b1+b);
                }
                update(0,1,0,c,p,b);
            }
        }
        else if(type=='D')
        {
            if(p<=d)
            {
                maxd = max(maxd,b);
                int p1 = d-p;
                int b1 = query(1,1,0,d,0,p1);
                if(b1!=0)
                    ans = max(ans,b1+b);
                update(1,1,0,d,p,b);
            }
        }
    }
    if(maxc&&maxd)
        ans = max(ans,maxc+maxd);
    cout<<ans;
    return 0;
}


内容概要:本文是一份针对2025年中国企业品牌传播环境撰写的《全网媒体发稿白皮书》,聚焦企业媒体发稿的策略制定、渠道选择与效果评估难题。通过分析当前企业面临的资源分散、内容同质、效果难量化等核心痛点,系统性地介绍了新闻媒体、央媒、地方官媒和自媒体四大渠道的特点与适用场景,并深度融合“传声港”AI驱动的新媒体平台能力,提出“策略+工具+落地”的一体化解决方案。白皮书详细阐述了传声港在资源整合、AI智能匹配、舆情监测、合规审核及全链路效果追踪方面的技术优势,构建了涵盖曝光、互动、转化与品牌影响力的多维评估体系,并通过快消、科技、零售等行业的实战案例验证其有效性。最后,提出了按企业发展阶段和营销节点定制的媒体组合策略,强调本土化传播与政府关系协同的重要性,助力企业实现品牌声量与实际转化的双重增长。; 适合人群:企业市场部负责人、品牌方管理者、公关传播从业者及从事数字营销的相关人员,尤其适用于初创期至成熟期不同发展阶段的企业决策者。; 使用场景及目标:①帮助企业科学制定媒体发稿策略,优化预算分配;②解决渠道对接繁琐、投放不精准、效果不可衡量等问题;③指导企业在重大营销节点(如春节、双11)开展高效传播;④提升品牌权威性、区域渗透力与危机应对能力; 阅读建议:建议结合自身企业所处阶段和发展目标,参考文中提供的“传声港服务组合”与“预算分配建议”进行策略匹配,同时重视AI工具在投放、监测与优化中的实际应用,定期复盘数据以实现持续迭代。
先展示下效果 https://pan.quark.cn/s/987bb7a43dd9 VeighNa - By Traders, For Traders, AI-Powered. Want to read this in english ? Go here VeighNa是一套基于Python的开源量化交易系统开发框架,在开源社区持续不断的贡献下一步步成长为多功能量化交易平台,自发布以来已经积累了众多来自金融机构或相关领域的用户,包括私募基金、证券公司、期货公司等。 在使用VeighNa进行二次开发(策略、模块等)的过程中有任何疑问,请查看VeighNa项目文档,如果无法解决请前往官方社区论坛的【提问求助】板块寻求帮助,也欢迎在【经验分享】板块分享你的使用心得! 想要获取更多关于VeighNa的资讯信息? 请扫描下方二维码添加小助手加入【VeighNa社区交流微信群】: AI-Powered VeighNa发布十周年之际正式推出4.0版本,重磅新增面向AI量化策略的vnpy.alpha模块,为专业量化交易员提供一站式多因子机器学习(ML)策略开发、投研和实盘交易解决方案: :bar_chart: dataset:因子特征工程 * 专为ML算法训练优化设计,支持高效批量特征计算与处理 * 内置丰富的因子特征表达式计算引擎,实现快速一键生成训练数据 * Alpha 158:源于微软Qlib项目的股票市场特征集合,涵盖K线形态、价格趋势、时序波动等多维度量化因子 :bulb: model:预测模型训练 * 提供标准化的ML模型开发模板,大幅简化模型构建与训练流程 * 统一API接口设计,支持无缝切换不同算法进行性能对比测试 * 集成多种主流机器学习算法: * Lass...
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