poj 2976 Dropping tests

本文介绍了一种使用分数规划的方法来解决课程测试中如何通过丢弃部分成绩来提高累计平均分的问题。通过输入学生的测试成绩及允许丢弃的成绩数量,算法能够计算出最高的可能累计平均分,并将结果四舍五入到最接近的整数。

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

Dropping tests
Time Limit: 1000MS Memory Limit: 65536K
Total Submissions: 4559 Accepted: 1542

Description

In a certain course, you take n tests. If you get ai out of bi questions correct on test i, your cumulative average is defined to be

.

Given your test scores and a positive integer k, determine how high you can make your cumulative average if you are allowed to drop any k of your test scores.

Suppose you take 3 tests with scores of 5/5, 0/1, and 2/6. Without dropping any tests, your cumulative average is . However, if you drop the third test, your cumulative average becomes .

Input

The input test file will contain multiple test cases, each containing exactly three lines. The first line contains two integers, 1 ≤ n ≤ 1000 and 0 ≤ k < n. The second line contains n integers indicating ai for all i. The third line contains n positive integers indicating bi for all i. It is guaranteed that 0 ≤ aibi ≤ 1, 000, 000, 000. The end-of-file is marked by a test case with n = k = 0 and should not be processed.

Output

For each test case, write a single line with the highest cumulative average possible after dropping k of the given test scores. The average should be rounded to the nearest integer.


//0-1 分数规划
//详见: http://www.cnblogs.com/perseawe/archive/2012/05/03/01fsgh.html


#include <iostream> #include <math.h> #include <vector> #include <queue> #include <stack> #include <stdio.h> #include <string.h> #include <algorithm> using namespace std; const int N=1010; const double eps=1e-6; double a[N],b[N]; struct node { double z; int i; bool operator<(const node &b) const { return z<b.z; } }oz[N]; int main() { int n,k; int i; while(scanf("%d %d",&n,&k)==2&&n|k) { for(i=0;i<n;i++) scanf("%lf",&a[i]); for(i=0;i<n;i++) scanf("%lf",&b[i]); double ans,temp=0; double p,q; while(1) { ans=temp; for(i=0;i<n;i++) { oz[i].i=i; oz[i].z=a[i]-temp*b[i]; } sort(oz,oz+n); p=q=0; for(i=k;i<n;i++) { p+=a[oz[i].i]; q+=b[oz[i].i]; } temp=p/q; if(fabs(temp-ans)<eps) break; } printf("%.0lf\n",ans*100); } return 0; }

 

转载于:https://www.cnblogs.com/372465774y/archive/2013/05/07/3065684.html

内容概要:本文针对火电厂参与直购交易挤占风电上网空间的问题,提出了一种风火打捆参与大用户直购交易的新模式。通过分析可再生能源配额机制下的双边博弈关系,建立了基于动态非合作博弈理论的博弈模型,以直购电价和直购电量为决策变量,实现双方收益均衡最大化。论文论证了纳什均衡的存在性,并提出了基于纳什谈判法的风-火利益分配方法。算例结果表明,该模式能够增加各方收益、促进风电消纳并提高电网灵活性。文中详细介绍了模型构建、成本计算和博弈均衡的实现过程,并通过Python代码复现了模型,包括参数定义、收益函数、纳什均衡求解、利益分配及可视化分析等功能。 适合人群:电力系统研究人员、能源政策制定者、从事电力市场交易的工程师和分析师。 使用场景及目标:①帮助理解风火打捆参与大用户直购交易的博弈机制;②为电力市场设计提供理论依据和技术支持;③评估不同政策(如可再生能源配额)对电力市场的影响;④通过代码实现和可视化工具辅助教学和研究。 其他说明:该研究不仅提供了理论分析,还通过详细的代码实现和算例验证了模型的有效性,为实际应用提供了参考。此外,论文还探讨了不同场景下的敏感性分析,如证书价格、风电比例等对市场结果的影响,进一步丰富了研究内容。
资源下载链接为: https://pan.quark.cn/s/d37d4dbee12c A:计算机视觉,作为人工智能领域的关键分支,致力于赋予计算机系统 “看懂” 世界的能力,从图像、视频等视觉数据中提取有用信息并据此决策。 其发展历程颇为漫长。早期图像处理技术为其奠基,后续逐步探索三维信息提取,与人工智能结合,又经历数学理论深化、机器学习兴起,直至当下深度学习引领浪潮。如今,图像生成和合成技术不断发展,让计算机视觉更深入人们的日常生活。 计算机视觉综合了图像处理、机器学习、模式识别和深度学习等技术。深度学习兴起后,卷积神经网络成为核心工具,能自动提炼复杂图像特征。它的工作流程,首先是图像获取,用相机等设备捕获视觉信息并数字化;接着进行预处理,通过滤波、去噪等操作提升图像质量;然后进入关键的特征提取和描述环节,提炼图像关键信息;之后利用这些信息训练模型,学习视觉模式和规律;最终用于模式识别、分类、对象检测等实际应用。 在实际应用中,计算机视觉用途极为广泛。在安防领域,能进行人脸识别、目标跟踪,保障公共安全;在自动驾驶领域,帮助车辆识别道路、行人、交通标志,实现安全行驶;在医疗领域,辅助医生分析医学影像,进行疾病诊断;在工业领域,用于产品质量检测、机器人操作引导等。 不过,计算机视觉发展也面临挑战。比如图像生成技术带来深度伪造风险,虚假图像和视频可能误导大众、扰乱秩序。为此,各界积极研究检测技术,以应对这一问题。随着技术持续进步,计算机视觉有望在更多领域发挥更大作用,进一步改变人们的生活和工作方式 。
内容概要:该论文针对斜齿轮传动中部分轮齿因强度不足导致提前失效的问题,提出了一种基于多目标粒子群优化算法(MOPSO)的几何参数优化方法。该方法以变位系数、齿数和模数为设计变量,建立以齿根弯曲应力差最小化和齿面接触应力最小化为目标的数学模型,并考虑强度、重合度和齿顶厚度等约束条件。通过MATLAB实现MOPSO算法求解,使用MASTA软件进行仿真验证。结果显示该方法能够有效改善齿轮副的弯曲强度均衡性和承载能力,为斜齿轮参数设计提供了优化参考。此外,文中还提供了详细的Python代码实现,包括问题定义类、MOPSO算法配置、结果处理等内容,并进行了深入的理论解析和优化效果验证。 适合人群:具备一定机械工程和编程基础的研究人员及工程师,特别是从事齿轮设计与优化工作的专业人士。 使用场景及目标:①通过优化斜齿轮的几何参数,提高齿轮的弯曲强度均衡性和承载能力;②为斜齿轮的设计提供优化参考,确保齿轮在实际应用中的可靠性和耐用性;③通过Python代码实现,帮助研究人员快速复现和验证优化算法的效果。 其他说明:此资源不仅提供了理论分析和优化算法的实现,还包括了详细的代码注释和关键点解释。在实际应用中,可以根据具体的齿轮参数和材料特性调整计算模型和约束条件。建议结合有限元分析软件(如MASTA/ANSYS)进行接触应力场分析,以验证优化结果的有效性。
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