hdu2037 今年暑假不AC(简单贪心)

本文介绍了一个算法问题——如何在暑假期间合理安排时间观看最多的电视节目。通过将节目结束时间排序并选择最早结束的节目,确保了观看节目的最大化。文章提供了详细的算法思路及C++实现代码。

题目:

今年暑假不AC

Time Limit:1000MS Memory Limit:32768KB 64bit IO Format:%I64d & %I64u

Description
“今年暑假不AC?”
“是的。”
“那你干什么呢?”
“看世界杯呀,笨蛋!”
“@#$%^&*%…”

确实如此,世界杯来了,球迷的节日也来了,估计很多ACMer也会抛开电脑,奔向电视了。
作为球迷,一定想看尽量多的完整的比赛,当然,作为新时代的好青年,你一定还会看一些其它的节目,比如新闻联播(永远不要忘记关心国家大事)、非常6+7、超级女生,以及王小丫的《开心辞典》等等,假设你已经知道了所有你喜欢看的电视节目的转播时间表,你会合理安排吗?(目标是能看尽量多的完整节目)

Input
输入数据包含多个测试实例,每个测试实例的第一行只有一个整数n(n<=100),表示你喜欢看的节目的总数,然后是n行数据,每行包括两个数据Ti_s,Ti_e (1<=i<=n),分别表示第i个节目的开始和结束时间,为了简化问题,每个时间都用一个正整数表示。n=0表示输入结束,不做处理。

Output
对于每个测试实例,输出能完整看到的电视节目的个数,每个测试实例的输出占一行。

Sample Input
12
1 3
3 4
0 7
3 8
15 19
15 20
10 15
8 18
6 12
5 10
4 14
2 9
0

Sample Output
5

题意:
有一个电视节目时间表,如何使得能看到的电视节目最多,每个节目必须看完。

思路:
为了能够看到更多的节目,我们每次尽可能的看结束最早的节目,这样下一次选择时,就保证了上一个节目结束的很早,而这次选的节目也是结束的最早,那么就保证了每次选的节目的时间都是相对较短的。那么先将节目的结束时间按不降序排列,第一次选择结束时间最早的,之后每次选择结束时间最早且开始时间在上一个节目结束之后。

代码:

#include <iostream>
#include <stdio.h>
#include <algorithm>
const int maxn = 2000;

using namespace std;

struct node{
    int x, y;
}arr[maxn];

bool cmp(node a, node b){
    return a.y<b.y;
}


int main(){
    int n;
    //freopen("input.txt", "r", stdin);
    //freopen("output.txt", "w", stdout);
    while(cin>>n&&n!=0){
        for(int i=0; i<n; i++)
            cin>>arr[i].x>>arr[i].y;

        sort(arr, arr+n, cmp);

        int i = 1;
        int cnt = 0;
        //current记录了所选择的上一个节目的下标
        int current = 0;
        while(i<n){
            if(arr[i].x>=arr[current].y){
                cnt++;
                current = i;
            }
            i++;
        }
        cout<<cnt+1<<endl;
    }
    return 0;
}
内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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