FATE

最近xhd正在玩一款叫做FATE的游戏,为了得到极品装备,xhd在不停的杀怪做任务。久而久之xhd开始对杀怪产生的厌恶感,但又不得不通过杀怪来升完这最后一级。现在的问题是,xhd升掉最后一级还需n的经验值,xhd还留有m的忍耐度,每杀一个怪xhd会得到相应的经验,并减掉相应的忍耐度。当忍耐度降到0或者0以下时,xhd就不会玩这游戏。xhd还说了他最多只杀s只怪。请问他能升掉这最后一级吗?

Input

输入数据有多组,对于每组数据第一行输入n,m,k,s(0 < n,m,k,s < 100)四个正整数。分别表示还需的经验值,保留的忍耐度,怪的种数和最多的杀怪数。接下来输入k行数据。每行数据输入两个正整数a,b(0 < a,b < 20);分别表示杀掉一只这种怪xhd会得到的经验值和会减掉的忍耐度。(每种怪都有无数个)

Output

输出升完这级还能保留的最大忍耐度,如果无法升完这级输出-1。

Sample Input

10 10 1 10
1 1
10 10 1 9
1 1
9 10 2 10
1 1
2 2

Sample Output

0
-1
1

//日常背包;
这次背包是属于比较复杂的背包,也是在其他人的思路指导下完成的;
类型//多重完全背包;
但看题目,首先会想到对容忍度和打小怪个数作为二维背包条件;
但是怎样同时考虑它们满足题目的背包条件,也是很复杂的;
多重完全背包首先是从多重背包问题进化而来,//我文章中有多重背包的题可搜 “冰封王座”;
这个题要在多重背包的外壳中多出对带2个背包条件(容忍度最小)的考虑;
背包容量 “v” 容忍度,打怪个数  ;      
价值 “ w”经验;
dp【容忍度】【打怪个数】,“打小怪个数”就是背包第二维,dp代表经验值;
以上是题目分析;下面是思路;
在基础多重背包的条件下,当dp在第二个循环中取到最优解时(经验满足可以升级),对背包每次情况进行判断,
判断在背包质量(经验)在满足条件时,打小怪的次数是不是最优;
(就是在经验满足时找到最小容忍度);
付代码
for(i=1;i<=n;i++)//小怪信息遍历
for(j=b[i];j<=v;j++)
for (k = 1; k <= s; k++)
{
dp[j][k] = max(dp[j][k], dp[j - b[i]][k-1] + a[i]);
if (dp[j][k] >=w &&j < nn)
nn = j;
}

ac代码
#include<iostream>
#include<cstring>
#include<cstdio>
#include<algorithm>
//由于vs编译器的问题函数一律开在main函数外;
int dp[1000][1000], a[1000], b[1000];
using namespace std;
int main()
{
int w, v, n, s;
int i, j, k;
while (cin >> w >> v >> n >> s)
{
for (i = 1; i <= n; i++) cin >> a[i] >> b[i];
memset(dp, 0, sizeof(dp));
int nn = 99999;
for (i = 1; i <= n; i++)
for (j = b[i]; j <= v; j++)
for (k = 1; k <= s; k++)
{
dp[j][k] = max(dp[j][k], dp[j - b[i]][k - 1] + a[i]);
if (dp[j][k] >= w&&j < nn)
nn = j;
}
if (nn == 99999)
puts("-1");
else
cout << v - nn << endl;
}




return 0;
}
备注:习惯问题,每个人代码风格都不同,因此我只贴代码和思路,不会再代码中添加备注方便别人阅读;
这对学习者是非常不好的,会一字一言的按别人的代码打下来,内心不自主的暗示自己已经把这个代码内化,其实恰好没有,过几天他定没法再次很顺利ac这道题目;这就会深入到学习方法的问题,在此不敢吹逼;










### FATE Framework Introduction Federated AI Technology Enabler (FATE) 是一个开源项目,旨在提供安全联邦学习的解决方案。它支持多方参与的安全计算协议,在保护数据隐私的同时实现模型训练和推理功能[^2]。 #### 主要特点 - **安全性**:通过同态加密和其他密码学技术保障数据传输过程中的隐私。 - **灵活性**:允许开发者自定义算法并集成到现有系统中。 - **高效性**:优化通信开销与计算效率,适用于大规模分布式环境下的应用需求[^3]。 以下是安装Python版本所需依赖项以及基本配置方法: ```bash pip install fate-client==1.7.0rc1 ``` 对于更复杂的部署场景,则需参照官方文档完成Kubernetes集群设置及相关服务初始化工作。 ```python from federatedml.framework.homo.procedure import aggregator # 初始化聚合器实例 agg = aggregator.ClientAggregator() def secure_aggregate(data): encrypted_data = agg.encrypt(data) aggregated_result = agg.aggregate(encrypted_data) decrypted_result = agg.decrypt(aggregated_result) return decrypted_result ``` 上述代码片段展示了如何利用 `federatedml` 库内的组件来执行一次典型的加法操作,其中涉及到了客户端之间的秘密共享机制以确保存储于各节点上的敏感数值不会被泄露给其他方知晓[^4]。 请注意实际开发过程中还需要考虑诸如网络延迟、硬件资源分配等因素的影响;因此建议深入研究相关资料后再着手实践具体案例分析任务
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