POJ 1017 Packets (贪心)

本文探讨了一种针对特定尺寸产品进行高效包装的算法。通过先装大尺寸后装小尺寸的策略,减少所需包装袋的数量,实现了资源的有效利用。文章详细解释了不同尺寸物品的最优填充方法,并提供了实现该算法的C++代码。

题意分析

一家工厂生产的产品规格分为1×1, 2×2, 3×3, 4×4, 5×5, 6×6,高都是h。工厂要把它们包在6×6×h的包装袋中。工厂想让包装数尽可能少。

一开始把这道题想复杂了,其实只用考虑面积。也就是说物品的高和包装袋的高都是一样的。

自然而然能想到有2种装东西的方案,一种是先装小的,再装大的;另外一种就是先装大的,再装小的。

明显第一种做法不正确。原因是如果先装完小的,那么大的未装满的剩余部分,没有小的来填充,造成了浪费。所以贪心做法应该是后者。

在写程序的时候要注意分类讨论的情况,以及计算的严谨性。

对于6×6,没有办法填充。
对于5×5,只能用1×1的来填充。
对于4×4,先用2×2的来填充,其次剩余的用1×1的填充,
对于3×3,要判断模4余几个。如果剩下3个,新的包装袋还有1个3×3的位置来填充,优先填充2×2,其次填充1×1;剩下2个,新的包装袋有2个3×3的位置来填充,2×2如果够的话能填充3个,1×1能填充6个,如果不够,还是按照2×2的优先,剩下的用1×1的来填;如果剩下1个,道理一样的。
对于2×2,一个新的包装袋能填充9个,有空位子用1×1来填充即可。
对于1×1就没什么好说的了。

其实写起来这道题的其妙写法还是很多的,值得学习。一开始我就是用一大堆ifelse来写的
具体还是要结合代码细细品味。

代码总览

#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
const int nmax = 7;
int num[nmax];
int main(){
    while(scanf("%d %d %d %d %d %d",&num[1],&num[2],&num[3],&num[4],&num[5],&num[6]) != EOF){
        if(num[1] == 0 && num[2] == 0 && num[3] == 0 && num[4] == 0 && num[5] == 0 && num[6] == 0) break;
        int ans = 0;
        ans += num[6];
        ans += num[5];
        num[1] = max(0,num[1] - 11 * num[5]);

        ans += num[4];
        if(num[2] < 5*num[4]) num[1] = max(0,num[1]- 4*(5*num[4]-num[2]));
        num[2] = max(0, num[2] - 5* num[4]);

        ans += (num[3] + 3) / 4;
        num[3] %=  4;
        int left = 4- num[3];
        if(left == 1){
            if(num[2] <= 1) num[1] = max(0,num[1]- (9-num[2] * 4));
            else num[1] = max(0, num[1] - 5);
            num[2] = max(0,num[2]-1);
        }else if(left == 2){
            if(num[2] <= 3) num[1] = max(0, num[1] - (18 - num[2]*4));
            else num[1] = max(0,num[1] - 6);
            num[2] = max(0,num[2] - 3);
        }else if(left == 3){
            if(num[2] <= 5) num[1] = max(0, num[1] - (27 - num[2]*4));
            else num[1] = max(0,num[1] - 7);
            num[2] = max(0,num[2] - 5);
        }

        ans += (num[2] + 8) / 9;
        num[2] %= 9;
        if(num[2]) num[1] = max(0,num[1] - (36-4*num[2]));

        ans += (num[1] + 35) / 36;

        printf("%d\n",ans);

    }
    return 0;
}
【Koopman】遍历论、动态模态分解和库普曼算子谱特性的计算研究(Matlab代码实现)内容概要:本文围绕【Koopman】遍历论、动态模态分解和库普曼算子谱特性的计算研究展开,重点介绍基于Matlab的代码实现方法。文章系统阐述了遍历理论的基本概念、动态模态分解(DMD)的数学原理及其与库普曼算子谱特性之间的内在联系,展示了如何通过数值计算手段分析非线性动力系统的演化行为。文中提供了完整的Matlab代码示例,涵盖数据驱动的模态分解、谱分析及可视化过程,帮助读者理解并复现相关算法。同时,文档还列举了多个相关的科研方向和技术应用场景,体现出该方法在复杂系统建模与分析中的广泛适用性。; 适合人群:具备一定动力系统、线性代数与数值分析基础,熟悉Matlab编程,从事控制理论、流体力学、信号处理或数据驱动建模等领域研究的研究生、博士生及科研人员。; 使用场景及目标:①深入理解库普曼算子理论及其在非线性系统分析中的应用;②掌握动态模态分解(DMD)算法的实现与优化;③应用于流体动力学、气候建模、生物系统、电力系统等领域的时空模态提取与预测;④支撑高水平论文复现与科研项目开发。; 阅读建议:建议读者结合Matlab代码逐段调试运行,对照理论推导加深理解;推荐参考文中提及的相关研究方向拓展应用场景;鼓励在实际数据上验证算法性能,并尝试改进与扩展算法功能。
本系统采用微信小程序作为前端交互界面,结合Spring Boot与Vue.js框架实现后端服务及管理后台的构建,形成一套完整的电子商务解决方案。该系统架构支持单一商户独立运营,亦兼容多商户入驻的平台模式,具备高度的灵活性与扩展性。 在技术实现上,后端以Java语言为核心,依托Spring Boot框架提供稳定的业务逻辑处理与数据接口服务;管理后台采用Vue.js进行开发,实现了直观高效的操作界面;前端微信小程序则为用户提供了便捷的移动端购物体验。整套系统各模块间紧密协作,功能链路完整闭环,已通过严格测试与优化,符合商业应用的标准要求。 系统设计注重业务场景的全面覆盖,不仅包含商品展示、交易流程、订单处理等核心电商功能,还集成了会员管理、营销工具、数据统计等辅助模块,能够满足不同规模商户的日常运营需求。其多店铺支持机制允许平台方对入驻商户进行统一管理,同时保障各店铺在品牌展示、商品销售及客户服务方面的独立运作空间。 该解决方案强调代码结构的规范性与可维护性,遵循企业级开发标准,确保了系统的长期稳定运行与后续功能迭代的可行性。整体而言,这是一套技术选型成熟、架构清晰、功能完备且可直接投入商用的电商平台系统。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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