JD 1463:招聘会 and JD 1434:今年暑假不AC

本文通过两道题目介绍了如何使用贪心算法解决活动安排问题,旨在找到能够参与的最大数量活动。通过按活动结束时间排序并选择最早结束的活动来实现这一目标。

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

本来这都是简单题的,今天奇了怪了。。。动态规划求最长递增子序列的长度 可以 A1434不能A1463 ,一直以为这种题用dp做的,今天发现有问题。。毁三观了。其实还是自己太蠢 。

不用dp的话,那就贪心吧。

要使得参加的最多,也就要使能结束的早点结束,后面才能有更多的选择,于是根据结束时间递增排序,前面一个结束,后面一个开始。

JD 1463:招聘会:click here~~

AC_CODE

const int maxn = 10008 ;
const int inf = 1<<30 ;
int n , m ;
struct Node{
    int from , to ;
    bool friend operator<(const Node &A , const Node &B){
        return A.to < B.to ;
    }
}node[maxn];
int dp[maxn] ;
int main(){
    int i , j , k ;
    while(cin >> n){
        for(i = 0;i < n;i++){
            scanf("%d%d",&node[i].from , &node[i].to) ;
        }
        sort(node , node + n) ;
        int cnt = 0 , t = -1 ;
        for(i = 0;i < n;i++){
            if(node[i].from >= t){
                cnt++ ;
                t = node[i].to ;
            }
        }
        printf("%d\n",cnt) ;
    }
    return 0 ;
}


 JD 1434:今年暑假不AC

AC_CODE

const int maxn = 10008 ;
const int inf = 1<<30 ;
int n , m ;
struct Node{
    int from , to ;
    bool friend operator<(const Node &A , const Node &B){
        return A.to < B.to ;
    }
}node[maxn];
int dp[maxn] ;
int main(){
    int i , j , k ;
    while(cin >> n){
        if(n == 0) break ;
        for(i = 0;i < n;i++){
            scanf("%d%d",&node[i].from , &node[i].to) ;
        }
        sort(node , node + n) ;
        int cnt = 0 , t = -1 ;
        for(i = 0;i < n;i++){
            if(node[i].from >= t){
                cnt++ ;
                t = node[i].to ;
            }
        }
        printf("%d\n",cnt) ;
    }
    return 0 ;
}



内容概要:该研究通过在黑龙江省某示范村进行24小时实地测试,比较了燃煤炉具与自动/手动进料生物质炉具的污染物排放特征。结果显示,生物质炉具相比燃煤炉具显著降低了PM2.5、CO和SO2的排放(自动进料分别降低41.2%、54.3%、40.0%;手动进料降低35.3%、22.1%、20.0%),但NOx排放未降低甚至有所增加。研究还发现,经济性和便利性是影响生物质炉具推广的重要因素。该研究仅提供了实际排放数据支持,还通过Python代码详细复现了排放特征比较、减排效果计算和结果可视化,进一步探讨了燃料性质、动态排放特征、碳平衡计算以及政策建议。 适合人群:从事环境科学研究的学者、政府环保部门工作人员、能源政策制定者、关注农村能源转型的社会人士。 使用场景及目标:①评估生物质炉具在农村地区的推广潜力;②为政策制定者提供科学依据,优化补贴政策;③帮助研究人员深入了解生物质炉具的排放特征和技术改进方向;④为企业研发更高效的生物质炉具提供参考。 其他说明:该研究通过大量数据分析和模拟,揭示了生物质炉具在实际应用中的优点和挑战,特别是NOx排放增加的问题。研究还提出了多项具体的技术改进方向和政策建议,如优化进料方式、提高热效率、建设本地颗粒厂等,为生物质炉具的广泛推广提供了可行路径。此外,研究还开发了一个智能政策建议生成系统,可以根据同地区的特征定制化生成政策建议,为农村能源转型提供了有力支持。
内容概要:本文研究了企业人工智能(AI)发展对低技能就业的影响,基于2012-2022年中国A股上市公司的数据,发现AI显著减少了低技能员工的数量。研究还揭示了数字化转型和人力资本投资在这一过程中起到中介作用,表明AI仅直接替代低技能岗位,还通过提升数字化能力和技能需求间接影响就业。异质性分析显示,这些负面影响在非国有企业和非高科技企业中尤为明显。此外,文章通过Python代码展示了详细的复现步骤,包括数据预处理、基准回归、中介效应分析、异质性分析及可视化。 适用人群:对AI与劳动力市场关系感兴趣的学者、政策制定者以及从事相关研究的数据分析师。 使用场景及目标:①理解AI对企业低技能就业的具体影响;②分析数字化转型和人力资本投资的中介作用;③探讨同企业类型(如国有企业与非国有企业、高科技与非高科技企业)在AI影响下的异质性表现;④通过代码实现复现实证研究结果,提供实证分析的方法论参考。 其他说明:本文仅提供了理论分析,还通过详细的代码实现帮助读者理解具体的操作步骤。研究结果对于制定相关政策以应对AI带来的就业挑战具有重要参考价值,同时为后续研究提供了数据处理和模型构建的范例。文章最后讨论了研究的局限性和未来可能的研究方向,强调了治理结构和财务特征在AI转型中的重要作用。
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