USACO section 1.3 Ski Course Design

本文介绍了一种解决滑雪场设计问题的有效算法。通过枚举所有可能的高度区间,并使用结构体表示山的信息,实现了对山的高度调整以确保任意两座山的高度差不超过17。通过排序和逐步调整山的高度来最小化总成本。

这个先说一个比较简单直接的方法,由于山的最高高度有限,题目要求任意两座山的高度差不超过17。由于数字不大,可以枚举出所有1~100长度为17的区间,计算将山的高度移到每一个区间需要的最小花费,再进行比较得到最终的最小花费。
我的方法是,用一个结构体表示一座山,数据成员有山当前的高度,还有山继续变化1m的花费。山的初始高度由题目给定,初始花费为1。
整体思路就是,将山的高度进行排序,当山的最高高度与最低高度的差大于17时,就将最低的山增高一米,或者最高的山减少一米,具体要看谁的当前花费少,就选择改变哪个的高度。总体花费在这个过程中步步累加,当山的高度满足条件时,花费也出来了。

/*
ID: 13913351
LANG: C++
TASK:skidesign
*/
#include<iostream>
#include<fstream>
#include<cstring>
#include<algorithm> 
#define cin fin
#define cout fout
using namespace std;
string inputfile="skidesign.in";
string outputfile="skidesign.out";
const int size=1000;
struct mo{
    int h;
    int cost;
};
int n;
mo moun[size];
int  flag[size];
bool cmp(mo a,mo b)
{   
    return a.h<b.h;
}
int main()
{
    ifstream fin(inputfile.c_str());
    ofstream fout(outputfile.c_str());
    cin>>n;
    int i;
    for(i=0;i<n;i++)
    {
        cin>>moun[i].h;
        moun[i].cost=1;
    }
     sort(moun,moun+n,cmp);
     if(moun[n-1].h-moun[0].h<=17)
     {
        cout<<"0"<<endl;
        return 0;
     }

     int lsum=0,hsum=0;
     int ans=0;

     while(moun[n-1].h-moun[0].h>17)
     {
        lsum=0;
        hsum=0;
        memset(flag,0,sizeof(flag));
        for(i=0;i<n;i++)
        {
            if(moun[i].h==moun[0].h)
             {
                flag[i]=1;
                lsum+=moun[i].cost ;
             } 
             if(moun[i].h==moun[n-1].h)
             {
                flag[i]=2;
                hsum+=moun[i].cost ;
             } 

        }

        if(lsum<hsum)
        {
            for(i=0;i<n;i++)
            {
                if(flag[i]==1)
                {
                    ans+=moun[i].cost; 
                    moun[i].h+=1;
                    moun[i].cost+=2;
                }

            }
        }
        else
        {
            for(i=0;i<n;i++)
            {
                if(flag[i]==2)
                {
                    ans+=moun[i].cost; 
                    moun[i].h-=1;
                    moun[i].cost+=2;
                }
            }
        }
     }
     cout<<ans<<endl;
     return 0;
} 
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
USACO1.3长回文Calf Flac问题要求在给定的文本中找出长的回文子串,如果有多个回文长度都等于大值,输出前面出现的那一个。以下为该问题的解决方案: ### 解题思路 1. **预处理文本**:去除文本中非字母字符,同时记录每个字母在原文本中的位置,方便后续输出原始回文子串。 2. **遍历文本**:以每个字母为中心,向两边扩展来寻找回文子串。回文子串分为奇数长度和偶数长度两种情况,需要分别处理。 3. **记录长回文子串**:在遍历过程中,记录长回文子串的长度和起始位置,同时记录该回文子串在原文本中的起始和结束位置。 4. **输出结果**:输出长回文子串的长度以及原文本中的长回文子串。 ### 代码实现 ```python # 读取输入 input_text = input() # 预处理文本,记录字母及其在原文本中的位置 letters = [] positions = [] for i, char in enumerate(input_text): if char.isalpha(): letters.append(char.upper()) positions.append(i) n = len(letters) max_length = 0 start = 0 end = 0 # 遍历每个字母,以其为中心扩展寻找回文子串 for i in range(n): # 奇数长度回文串 left, right = i, i while left >= 0 and right < n and letters[left] == letters[right]: length = right - left + 1 if length > max_length: max_length = length start = positions[left] end = positions[right] left -= 1 right += 1 # 偶数长度回文串 left, right = i, i + 1 while left >= 0 and right < n and letters[left] == letters[right]: length = right - left + 1 if length > max_length: max_length = length start = positions[left] end = positions[right] left -= 1 right += 1 # 输出结果 print(max_length) print(input_text[start:end + 1]) ``` ### 复杂度分析 - **时间复杂度**:$O(n^2)$,其中 $n$ 是文本中字母的数量。因为对于每个字母,都需要向两边扩展来寻找回文子串。 - **空间复杂度**:$O(n)$,主要用于存储字母和其在原文本中的位置。
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