poj -1065 Wooden Sticks (贪心or dp)

本文讨论了如何通过贪心算法和排序策略来优化木棍加工过程,减少不必要的生产时间,具体步骤包括按长度和宽度排序木棍,并标记符合特定条件的木棍以避免重复生产。

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

http://poj.org/problem?id=1065

题意比较简单,有n跟木棍,事先知道每根木棍的长度和宽度,这些木棍需要送去加工,第一根木棍需要一分钟的生产时间,如果当前木棍的长度跟宽度

都大于前一根木棍,那么这根木棍不需要生产时间,问你最少的生产时间是多少?

首先可以贪心,先按长度 l排序,如果l相同,按宽度w排序。

从i=0开始,每次把接下来的i+1  -  n-1 的没有标记并且长度和宽度大于等于i这根木棍的长度和宽度标记起来。

 1 #include<cstdio>
 2 #include<cstring>
 3 #include<cmath>
 4 #include<algorithm>
 5 using namespace std;
 6 const int maxn = 5010;
 7 
 8 struct point
 9 {
10     int l,w;
11     bool operator < (const point &a) const
12     {
13         return l==a.l ? w<a.w : l<a.l;
14     }
15 }p[maxn];
16 
17 int mark[maxn];
18 
19 int main()
20 {
21     int t,n;
22     scanf("%d",&t);
23     while(t--)
24     {
25         scanf("%d",&n);
26         for(int i=0;i<n;i++)
27         {
28             scanf("%d%d",&p[i].l,&p[i].w);
29         }
30         sort(p,p+n);
31         //for(int i=0;i<n;i++) printf("%d %d\n",p[i].l,p[i].w);
32         int s=0;
33         memset(mark,0,sizeof(mark));
34         for(int i=0;i<n;i++)
35         {
36             int temp=p[i].w;
37             if(!mark[i])
38             {
39                 for(int j=i+1;j<n;j++)
40                 {
41                     if(p[j].w>=temp&&!mark[j])
42                     {
43                         temp=p[j].w;
44                         mark[j]=1;
45                     }
46                 }
47                 s++;
48             }
49         }
50         printf("%d\n",s);
51     }
52     return 0;
53 }

dp:排序跟上面一样,然后就是找 w 的最长下降子序列。

 1 #include<cstdio>
 2 #include<cstring>
 3 #include<cmath>
 4 #include<algorithm>
 5 using namespace std;
 6 const int maxn = 5010;
 7 
 8 struct point
 9 {
10     int l,w;
11     bool operator < (const point &a) const
12     {
13         return l==a.l ? w<a.w : l<a.l;
14     }
15 }p[maxn];
16 
17 int dp[maxn];
18 
19 int main()
20 {
21     int t,n;
22     scanf("%d",&t);
23     while(t--)
24     {
25         scanf("%d",&n);
26         for(int i=0;i<n;i++)
27         {
28             scanf("%d%d",&p[i].l,&p[i].w);
29         }
30         sort(p,p+n);
31         //for(int i=0;i<n;i++) printf("%d %d\n",p[i].l,p[i].w);
32         int ans=0;
33         for(int i=0;i<n;i++) dp[i]=1;
34         for(int i=0;i<n;i++)
35         {
36             for(int j=0;j<i;j++)
37                 if(p[j].w>p[i].w) dp[i]=max(dp[i],dp[j]+1);
38             ans=max(ans,dp[i]);
39         }
40         printf("%d\n",ans);
41     }
42     return 0;
43 }

 

转载于:https://www.cnblogs.com/nowandforever/p/4448476.html

内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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