SGU 108 (空间优化)

本文介绍了一种使用滚动数组优化内存占用的方法,通过观察题目特点,限制数组大小,并根据输入动态生成答案,避免了内存溢出错误。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

这题本来觉得是道没什么的水题,结果没想到空间卡得这么死

于是注意观察式子,发现每个推到后面最多加7 * 9 (7位数,每位是9)

于是就只要开64的空间,利用滚动数组去优化即可

另外还要注意,答案表全打出来也是会MLE的,只能根据输入的k去存放k个答案

代码:

#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;

int n, k, dp[65], sum[10005];

int get(int x) {
    int sum = 0;
    while (x) {
        sum += x % 10;
        x /= 10;
    }
    return sum;
}

struct A {
    int a, id;
    void read(int id) {
        this->id = id;
        scanf("%d", &a);
    }
} x[5005];

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

int ans[5005];

int main() {
    for (int i = 1; i <= 10000; i++) sum[i] = get(i);
    scanf("%d%d", &n, &k);
    int out = 0;
    for (int i = 0; i < k; i++)
        x[i].read(i);
    sort(x, x + k, cmp);
    int u = 0;
    for (int i = 1; i <= n; i++) {
        if (!dp[i % 64]) {
            out++;
            while (x[u].a <= out) {
                if (x[u].a == out) ans[x[u].id] = i;
                u++;
            }
        }
        dp[(i + sum[i / 10000] + sum[i % 10000]) % 64] = true;
        dp[i % 64] = false;
    }
    printf("%d\n", out);
    for (int i = 0; i < k; i++)
        printf("%d%c", ans[i], i == k - 1 ? '\n' : ' ');
    return 0;
}


基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算与所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
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