腾讯-机器安排

题目链接:https://www.nowcoder.com/questionTerminal/42e7ff5c5696445ab907caff17fc9e15

找到难度允许的情况下,时间最小的。不知道怎么选,所以用多重集暴力,时间复杂度o(m*100*log(1000))而且常数比较大,超时!

参考代码:

//sort w
//二分查找 ,找到时间和难度都大于等于的第一个
#include<bits/stdc++.h>
using namespace std;
typedef long long ll;
const int N=100009;
ll n,m,x,y,ans,ansc;
struct node {
	ll x,y;
	bool operator <(node a)const {
		if(x!=a.x)return x<a.x;
		return y<a.y;
	}
} a,b[N];
multiset<node>sa;
multiset<int>ma[110];
bool cmp(node a,node b) {
	ll at=200*a.x+3*a.y,bt=200*b.x+3*b.y;
	if(at!=bt)return at<bt;
	if(a.x!=b.x)return a.x<b.x;
	return a.y<b.y;

}
int main() {
	cin>>n>>m;
	for(int i=1; i<=n; i++) {
		cin>>a.x>>a.y;
		sa.insert(a);
		ma[a.y].insert(a.x);
	}
	for(int i=1; i<=m; i++) {
		cin>>b[i].x>>b[i].y;
	}
	sort(b+1,b+1+m,cmp);//任务
		multiset<int>::iterator it;
		for(int i=m;i>=1&&n>0;i--){
			int flag=0;
			for(int j=b[i].y;!flag&&j<=100;j++){
				it=lower_bound(ma[j].begin(),ma[j].end(),b[i].x);
				if(it!=ma[j].end()){
					ans+=200*b[i].x+3*b[i].y;ma[j].erase(it);
					ansc++;
					n--;
					flag=1;
					break;
				}
			}
		}
	cout<<ansc<<" "<<ans<<endl;

}

参考题解,按照时间和难度从大到小排序后,用一个桶将所有符合要求的难度统计出来
然后,从桶里将符合时间要求的任务中将难度最小的取出来 。 时间复杂度o(n*100);

#include<bits/stdc++.h>
using namespace std;
typedef long long ll;
const int N=100009;
ll n,m,x,y,ans,ansc;
struct node {
	ll x,y;
	bool operator <(node a)const {
		if(x!=a.x)return x>a.x;
		return y>a.y;
	}
} a[N],b[N];
int cnt[N];
bool cmp(node a,node b) {
	ll at=200*a.x+3*a.y,bt=200*b.x+3*b.y;
	if(at!=bt)return at>bt;
	if(a.x!=b.x)return a.x>b.x;
	return a.y>b.y;

}
int main() {
	cin>>n>>m;
	for(int i=1; i<=n; i++) {
		cin>>a[i].x>>a[i].y;
	}
	for(int i=1; i<=m; i++) {
		cin>>b[i].x>>b[i].y;
	}
	sort(a+1,a+1+n);
	sort(b+1,b+1+m,cmp);//任务
	for(int i=1,j=1;i<=m;i++){
		for(;j<=n&&a[j].x>=b[i].x;j++)
			cnt[a[j].y]++;
		for(int k=b[i].y;k<=100;k++){
			if(cnt[k]){
				ansc++,ans+=b[i].x*200+b[i].y*3;
				cnt[k]--;
				break;
			}		
		}	
	}
	cout<<ansc<<" "<<ans<<endl;

}

 

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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