Uva Oj 1388 - Graveyard

本文介绍了一种通过构建特殊结构体来实现点匹配优化的方法。该算法首先定义了原始点和新点,并通过排序确定新点与原始点之间的最优距离。接着记录下这些距离,并在前n个距离中寻找最小总成本,最终输出优化后的结果。

依旧是训练指南上的例题,不过这个事我自己写的

和lrj中的没有关系

1Y

建了个结构体来标记这个点是原来的点还是新的点

然后排序

接下来找到序列中的新出现的点

如果这个点左边(右边)是原本点,则记录距离,并更新到z中

如果两边都不是原本点,那么原本点一定不会舍近求远,无视掉就好了

接下来去z的前n项求和,表示n个原本点的最优选择分别是某n个新点

然后转化输出就好了

#include<stdio.h>
#include<vector>
#include<stdlib.h>
struct tmd{int x,y;};
tmd q[3010],z[3010];
int cmp(const void *a,const void *b){
	tmd *p=(tmd *)a;
	tmd *q=(tmd *)b;
	tmd x=*p,y=*q;
	return x.x-y.x;
	}
int min(int a,int b){
	if(a>b)return b;
	return a;
	}
int main(){
	int n,m;
	while(scanf("%d%d",&n,&m)!=EOF){
		int i;
		for(i=0;i<n;i++)q[i]=(tmd){(n+m)*i,1};
		for(i=0;i<m+n;i++)q[i+n]=(tmd){n*i,-1};
		qsort(q,m+n+n,sizeof(tmd),cmp);
		int rs=0;
		int pz=0;
		for(i=0;i<m+n+n;i++){
			if(q[i].y==-1){
				int temp=n*(m+n);
				if(i>0&&q[i-1].y==1)temp=min(temp,abs(q[i-1].x-q[i].x));
				if(i+1<m+n+n&&q[i+1].y==1)temp=min(temp,abs(q[i+1].x-q[i].x));
				if(temp!=n*(m+n))z[pz++]=(tmd){temp,0};
			//	printf("z[%d].x=%d,y=%d\n",pz-1,z[pz-1].x,z[pz-1].y);
				}
		//	printf("q[%d].x=%d,y=%d\n",i,q[i].x,q[i].y);
			}
		qsort(z,pz,sizeof(tmd),cmp);
	//	for(i=0;i<pz;i++)printf("z[%d].x=%d,y=%d\n",i,z[i].x,z[i].y);
		for(i=0;i<min(n,pz);i++)rs+=z[i].x;
		double res=(double)rs/(n*(n+m))*10000;
		printf("%.4lf\n",res);
		}
	return 0;
	}


内容概要:本文为《科技类企业品牌传播白皮书》,系统阐述了新闻媒体发稿、自媒体博主种草与短视频矩阵覆盖三大核心传播策略,并结合“传声港”平台的AI工具与资源整合能力,提出适配科技企业的品牌传播解决方案。文章深入分析科技企业传播的特殊性,包括受众圈层化、技术复杂性与传播通俗性的矛盾、产品生命周期影响及2024-2025年传播新趋势,强调从“技术输出”向“价值引领”的战略升级。针对三种传播方式,分别从适用场景、操作流程、效果评估、成本效益、风险防控等方面提供详尽指南,并通过平台AI能力实现资源智能匹配、内容精准投放与全链路效果追踪,最终构建“信任—种草—曝光”三位一体的传播闭环。; 适合人群:科技类企业品牌与市场负责人、公关传播从业者、数字营销管理者及初创科技公司创始人;具备一定品牌传播基础,关注效果可量化与AI工具赋能的专业人士。; 使用场景及目标:①制定科技产品全生命周期的品牌传播策略;②优化媒体发稿、KOL合作与短视频运营的资源配置与ROI;③借助AI平台实现传播内容的精准触达、效果监测与风险控制;④提升品牌在技术可信度、用户信任与市场影响力方面的综合竞争力。; 阅读建议:建议结合传声港平台的实际工具模块(如AI选媒、达人匹配、数据驾驶舱)进行对照阅读,重点关注各阶段的标准化流程与数据指标基准,将理论策略与平台实操深度融合,推动品牌传播从经验驱动转向数据与工具双驱动。
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