ZOJ 2541 Goods Transportation

本博客探讨了如何使用贪心算法解决传送物品问题,包括计算最大物品传送量和最小花费,涉及输入输出规范及算法实现。

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

题目链接:http://acm.zju.edu.cn/onlinejudge/showProblem.do?problemId=1523


题目大意:用传送带,传送物品,有m个起点,n个目的的,要你计算最大的物品传送量和最少的花费。


贪心,是贪心吗?应该是的。


#include<cstdio>
using namespace std;

int Sc[10005];
int De[10005];
int T;
int m,n;
int main(void)
{
    int i,j,l;
    scanf("%d", &T);
    for(l=1; l<=T; ++l)
    {
        int num1=0;
        int num2=0;
        long long sum=0;
        scanf("%d %d", &m, &n);
        for(i=1; i<=m; ++i)
        {
            scanf("%d", &Sc[i]);
            sum+=Sc[i]*i;
            num1+=Sc[i];
        }
        for(j=1; j<=n; ++j)
        {
            scanf("%d", &De[j]);
            sum+=De[j]*j;
            num2+=De[j];
        }
        int ans=num1-num2;
        int cnt=ans<0? num1 :num2;
        if(ans>0)
        {
            int k=m;
            while(ans>Sc[k])
            {
                ans-=Sc[k];
                sum-=Sc[k]*k;
                --k;
            }
            sum-=ans*k;
            ans=0;
        }
        else if(ans<0)
        {
            int k=n;
            while(-ans>De[k])
            {
                ans+=De[k];
                sum-=De[k]*k;
                --k;
            }
            sum+=ans*k;
            ans=0;
        }
        printf("Case %d:\n%d %lld\n",l, cnt, sum);
        if(l<T)
            printf("\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