H. Take the Elevator 贪心

H
贪心

题意

在这里插入图片描述
贴的题解中的题意,这里其实写错了,楼高 k k k, 载客量限制为 m m m

思路

因为下降的过程中间不能转换方向,而上行的人肯定乘坐上行时的电梯,下行的人一定乘坐下行时的电梯(废话),所以不妨将人分为上行和下行两个方向来考虑。可以发现这两者是类似的,下面先考虑上行的人。

先考虑简单的情况:在每次上升的途中至多乘坐 m m m 人。而电梯的运行时间显然只和到达楼层最高的那个人有关,因此,在这种情况下我们每次贪心地选到达高度前 m m m 高的人乘坐电梯是最优解。

在此基础上,需要在每次上升的途中乘坐尽可能多的人。因此只要从上到下按终点高度尽可能地时时刻刻选 m m m 个人即可。

具体而言,我们可以记录每个上行的人的起始位置 s t st st 和终点位置 e d ed ed,利用前缀和维护当前电梯里有多少个人,如果超过 m m m 人则需要乘坐下一趟电梯,在这个过程中记录一共需要多少趟上行电梯以及它们需要到达的最高楼层。下行同理,具体见代码。

代码

int n, m, k;
struct Node {
    int pos, d;    //pos表示位置,d=1表示上电梯 d=-1表示下电梯
    bool operator < (const Node &x) const {
        if(pos != x.pos) return pos > x.pos;
        return d < x.d;
    }
};
vector<Node> up, down;
void solve() {
    cin >> n >> m >> k;
    for(int i = 1; i <= n; i++) {
        int st, ed;
        cin >> st >> ed;
        if(st < ed) {
            up.pb({st, -1});
            up.pb({ed, 1});
        }
        else {
            down.pb({st, 1});
            down.pb({ed, -1});
        }
    }
    sort(up.begin(), up.end());
    sort(down.begin(), down.end());
    int cnt = 0;
    vector<int> up_max, down_max;    //表示每次上升/下降到达的最大高度,size()表示次数
    for(auto x : up) {
        cnt += x.d;    //维护当前电梯里的人数,如果超过则需要等下一次电梯
        if(cnt > up_max.size() * m) up_max.pb(x.pos);
    }
    for(auto x : down) {
        cnt += x.d;
        if(cnt > down_max.size() * m) down_max.pb(x.pos);
    }
    int mx = max(up_max.size(), down_max.size());//总往返次数,为单程中的最大值。
    int ans = 0;
    for(int i = 0; i < mx; i++) {
        cnt = 0;
        if(up_max.size() > i) {
            chmax(cnt, up_max[i]);
        }
        if(down_max.size() > i) {
            chmax(cnt, down_max[i]);
        }
        ans = ans + (cnt-1) * 2;
    }
    cout << ans << endl;
}
内容概要:本文档详细介绍了在三台CentOS 7服务器(IP地址分别为192.168.0.157、192.168.0.158和192.168.0.159)上安装和配置Hadoop、Flink及其他大数据组件(如Hive、MySQL、Sqoop、Kafka、Zookeeper、HBase、Spark、Scala)的具体步骤。首先,文档说明了环境准备,包括配置主机名映射、SSH免密登录、JDK安装等。接着,详细描述了Hadoop集群的安装配置,包括SSH免密登录、JDK配置、Hadoop环境变量设置、HDFS和YARN配置文件修改、集群启动与测试。随后,依次介绍了MySQL、Hive、Sqoop、Kafka、Zookeeper、HBase、Spark、Scala和Flink的安装配置过程,包括解压、环境变量配置、配置文件修改、服务启动等关键步骤。最后,文档提供了每个组件的基本测试方法,确保安装成功。 适合人群:具备一定Linux基础和大数据组件基础知识的运维人员、大数据开发工程师以及系统管理员。 使用场景及目标:①为大数据平台建提供详细的安装指南,确保各组件能够顺利安装和配置;②帮助技术人员快速掌握Hadoop、Flink等大数据组件的安装与配置,提升工作效率;③适用于企业级大数据平台的建与维护,确保集群稳定运行。 其他说明:本文档不仅提供了详细的安装步骤,还涵盖了常见的配置项解释和故障排查建议。建议读者在安装过程中仔细阅读每一步骤,并根据实际情况调整配置参数。此外,文档中的命令和配置文件路径均为示例,实际操作时需根据具体环境进行适当修改。
在无线通信领域,天线阵列设计对于信号传播方向和覆盖范围的优化至关重要。本题要求设计一个广播电台的天线布局,形成特定的水平面波瓣图,即在东北方向实现最大辐射强度,在正东到正北的90°范围内辐射衰减最小且无零点;而在其余270°范围内允许出现零点,且正西和西南方向必须为零。为此,设计了一个由4个铅垂铁塔组成的阵列,各铁塔上的电流幅度相等,相位关系可自由调整,几何布置和间距不受限制。设计过程如下: 第一步:构建初级波瓣图 选取南北方向上的两个点源,间距为0.2λ(λ为电磁波波长),形成一个端射阵。通过调整相位差,使正南方向的辐射为零,计算得到初始相位差δ=252°。为了满足西南方向零辐射的要求,整体相位再偏移45°,得到初级波瓣图的表达式为E1=cos(36°cos(φ+45°)+126°)。 第二步:构建次级波瓣图 再选取一个点源位于正北方向,另一个点源位于西南方向,间距为0.4λ。调整相位差使西南方向的辐射为零,计算得到相位差δ=280°。同样整体偏移45°,得到次级波瓣图的表达式为E2=cos(72°cos(φ+45°)+140°)。 最终组合: 将初级波瓣图E1和次级波瓣图E2相乘,得到总阵的波瓣图E=E1×E2=cos(36°cos(φ+45°)+126°)×cos(72°cos(φ+45°)+140°)。通过编程实现计算并绘制波瓣图,可以看到三个阶段的波瓣图分别对应初级波瓣、次级波瓣和总波瓣,最终得到满足广播电台需求的总波瓣图。实验代码使用MATLAB编写,利用polar函数在极坐标下绘制波瓣图,并通过subplot分块显示不同阶段的波瓣图。这种设计方法体现了天线阵列设计的基本原理,即通过调整天线间的相对位置和相位关系,控制电磁波的辐射方向和强度,以满足特定的覆盖需求。这种设计在雷达、卫星通信和移动通信基站等无线通信系统中得到了广泛应用。
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