[CSP-S模拟测试]:时间机器(贪心+set)

本文探讨了在设计时间机器的构想中,如何通过算法验证能否在所有节点上放置合适电阻的问题。介绍了一种基于贪心策略的算法,利用set数据结构优化搜索过程,确保在给定条件下能够有效判断时间机器构想的可行性。

题目描述

  作为一名天才科学家,$Kurisu$已经设计出了时间机器的构造。
  根据$Kurisu$的构想,时间机器中有$n$种需要放置电阻的节点,第$i$种节点有$s_i$个,其电压$U$的变动范围是${low}_i\leqslant U\leqslant {high}_i$。
  现在有$m$种电阻,第$i$种电阻有$k_i$个,第$i$种电阻能正常工作时,电压$U'$需要满足$l_i\leqslant U'\leqslant r_i$。第$i$种电阻能放置在第$j$种节点上,当且仅当$l_i\leqslant {low}_j\leqslant {high}_j\leqslant r_i$。
  现在$Kurisu$想要确认她的构想能不能实现,即是否能在所有节点上放置合适的电阻。


输入格式

第一行一个整数$T$,表示数据组数。
每组数据的第一行有两个整数$n,m$,表示节点和电阻的种类数。
接下来$n$行,每行三个整数${low}_i,{high}_i,s_i$,描述一种结点。
接下来$m$行,每行三个整数$l_i,r_i,k_i$,描述一种电阻。


输出格式

输出共$T$行,每行一个字符串,若可以实现则输出$"Yes"$(不包含引号),否则输出$"No"$。


样例

样例输入:

3
2 2
1 4 2
3 5 1
1 4 2
2 5 1
3 2
1 3 1
2 4 1
3 5 1
1 3 2
2 5 1
2 2
1 2 2
1 2 1
1 2 1
1 2 2

样例输出:

Yes
No
Yes


数据范围与提示

保证$1\leqslant {low}_i\leqslant {high}_i\leqslant {10}^9,1\leqslant l_i\leqslant r_i\leqslant {10}^9,1\leqslant k_i,s_i\leqslant {10}^9,T\leqslant 50,1\leqslant n,m\leqslant 5\times {10}^4$。
记$\sum n$为一个测试点中所有$n$的总和,记$\sum m$为一个测试点中所有$m$的总和,则$\sum n,\sum m\leqslant 4\times {10}^5$。
各个测试点还满足如下约束:


题解

考虑贪心。

将电阻个节点均按左端点排序,按排序考虑每一种节点,每次贪心地选择左端点在该节点左侧的电阻中,右端点在该节点右侧且尽量靠近该节点右侧的电阻。

考虑如何优化。

利用$set$维护当前左端点符合条件的电阻的右端点即可。

时间复杂度:$\Theta((n+m)\log m+n\log n)$。

期望得分:$100$分。

实际得分:$100$分。


数据范围

#include<bits/stdc++.h>
using namespace std;
struct rec{int l,r,s;}a[50001],b[50001];
struct node{int first,second;};
int n,m;
set<node> s;
bool cmp(rec a,rec b){return a.l<b.l;}
bool operator < (node a,node b){return a.first<b.first;}
int main()
{
	int T;scanf("%d",&T);
	while(T--)
	{
		scanf("%d%d",&n,&m);
		s.clear();
		for(int i=1;i<=n;i++)scanf("%d%d%d",&a[i].l,&a[i].r,&a[i].s);
		for(int i=1;i<=m;i++)scanf("%d%d%d",&b[i].l,&b[i].r,&b[i].s);
		sort(a+1,a+n+1,cmp);
		sort(b+1,b+m+1,cmp);
		s.insert((node){2002092300,0});
		for(int i=1,j=1;i<=n;i++)
		{
			while(b[j].l<=a[i].l&&j<=m)
				s.insert((node){b[j].r,j++});
			node flag=(node){a[i].r,0};
			while(a[i].s)
			{
				flag=*s.upper_bound(flag);
				if(flag.first==2002092300)break;
				int t=min(b[flag.second].s,a[i].s);
				b[flag.second].s-=t;a[i].s-=t;
				if(!b[flag.second].s)s.erase(flag);
			}
			if(a[i].s){puts("No");goto nxt;}
		}
		puts("Yes");
		nxt:;
	}
	return 0;
}

rp++

转载于:https://www.cnblogs.com/wzc521/p/11535584.html

具有多种最大功率点跟踪(MPPT)方法的光伏发电系统(P&O-增量法-人工神经网络-模糊逻辑控制-粒子群优化)之使用粒子群算法的最大功率点追踪(MPPT)(Simulink仿真实现)内容概要:本文介绍了一个涵盖多个科研领域的综合性MATLAB仿真资源集合,重点聚焦于光伏发电系统中基于粒子群优化(PSO)算法的最大功率点追踪(MPPT)技术的Simulink仿真实现。文档还列举了多种MPPT方法(如P&O、增量电导法、神经网络、模糊逻辑控制等),并展示了该团队在电力系统、智能优化算法、机器学习、路径规划、无人机控制、信号处理等多个方向的技术服务能力与代码实现案例。整体内容以科研仿真为核心,提供大量可复现的Matlab/Simulink模型和优化算法应用实例。; 适合人群:具备一定电力电子、自动控制或新能源背景,熟悉MATLAB/Simulink环境,从事科研或工程仿真的研究生、科研人员及技术人员。; 使用场景及目标:①学习并实现光伏系统中基于粒子群算法的MPPT控制策略;②掌握多种智能优化算法在电力系统与自动化领域的建模与仿真方法;③获取可用于论文复现、项目开发和技术攻关的高质量仿真资源。; 阅读建议:建议结合提供的网盘资料,按照研究方向选取对应模块进行实践,重点关注Simulink模型结构与算法代码逻辑的结合,注重从原理到仿真实现的全过程理解,提升科研建模能力。
热成像人物检测数据集 一、基础信息 数据集名称:热成像人物检测数据集 图片数量: 训练集:424张图片 验证集:121张图片 测试集:61张图片 总计:606张热成像图片 分类类别: - 热成像人物:在热成像图像中的人物实例 - 非热成像人物:在非热成像或普通图像中的人物实例,用于对比分析 标注格式: YOLO格式,包含边界框和类别标签,适用于目标检测任务。数据来源于热成像和视觉图像,覆盖多种场景条件。 二、适用场景 热成像监控与安防系统开发: 数据集支持目标检测任务,帮助构建能够在低光、夜间或恶劣环境下自动检测和定位人物的AI模型,提升监控系统的可靠性和实时响应能力。 红外视觉应用研发: 集成至红外摄像头或热成像设备中,实现实时人物检测功能,应用于安防、军事、救援和工业检测等领域。 学术研究与创新: 支持计算机视觉与热成像技术的交叉研究,助力开发新算法用于人物行为分析或环境适应型检测模型。 教育与培训: 可用于高校或培训机构,作为学习热成像人物检测和AI模型开发的教学资源,提升实践技能。 三、数据集优势 精准标注与多样性: 每张图片均由专业标注员标注,确保边界框定位准确,类别分类清晰。包含热成像和非热成像类别,提供对比数据,增强模型的泛化能力和鲁棒性。 场景实用性强: 数据覆盖多种环境条件,如不同光照和天气,模拟真实世界应用,适用于复杂场景下的人物检测任务。 任务适配性高: YOLO标注格式兼容主流深度学习框架(如YOLOv5、YOLOv8等),可直接加载使用,支持快速模型开发和评估。 应用价值突出: 专注于热成像人物检测,在安防、监控和特殊环境检测中具有重要价值,支持早期预警和高效决策。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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