POJ 1015 Jury Compromise(dp坑)

本文介绍了一种用于从候选人中选择最优陪审团成员的算法。该算法通过多维度01背包问题解决,确保控辩双方得分差值最小且总分最大。采用动态规划方法并优化循环顺序以避免重复选择人员。

提议:在遥远的国家佛罗布尼亚,嫌犯是否有罪,须由陪审团决定。陪审团是由法官从公众中挑选的。先随机挑选n个人作为陪审团的候选人,然后再从这n个人中选m人组成陪审团。选m人的办法是:
控方和辩方会根据对候选人的喜欢程度,给所有候选人打分,分值从0到20。为了公平起见,法官选出陪审团的原则是:选出的m个人,必须满足辩方总分和控方总分的差的绝对值最小。如果有多种选择方案的辩方总分和控方总分的之差的绝对值相同,那么选辩控双方总分之和最大的方案即可。

 

题解:开始想到的是二维01背包,因为评价差的总分值最大可能就只有[-400,400],所以我们整体加上20*m就可以直接放入dp的一维来解决

     开两个数组:

   path[i][j];//选i个人的评价差为j时最后一个人的编号

     dp [i][j];//选i个人的评价差为j时最大评价和

   然后使用三重循环:第一重是枚举选择1到m个人,第二重是枚举参选的人,第三重是枚举评价差的总可能值,枚举这个人去参选每种评价差的情况

   然后判断当前这个人在这个位置时是否已经被选过了与现在计算的评价和是否大于存储的(因为评价差固定了)评价和

   接着就是注意初始化要在加20*m的位置初始化(关键),而不是(0,0)

   但是这样有bug,例如:选择135与选择246的评价差与评价和是一样的,我们可能选择了246把135忽略掉了,但是正确答案却是1356

   因此还有这个办法(网上看到的):我们把循环的位置换一下,将第二重循环放在第一重,原来第一重放在第二重,其他的不变

   这样只有固定每个参选人后才可以枚举下一个参选人,就解决这个bug了

   接下来如果把第二重循环倒叙就可以保证不会出现重复的人,这样就不用判断这个人是否之前已经被选择过(类似01背包)

   最后要注意循环顺序改变后不能回溯找路了,因为第一重循环会把路径打乱,所以我们得存储路径

 

#include<set>
#include<map>
#include<queue>
#include<stack>
#include<cmath>
#include<vector>
#include<string>
#include<cstdio>
#include<cstring>
#include<iomanip>
#include<stdlib.h>
#include<iostream>
#include<algorithm>
using namespace std;
#define eps 1E-8
/*注意可能会有输出-0.000*/
#define sgn(x) (x<-eps? -1 :x<eps? 0:1)//x为两个浮点数差的比较,注意返回整型
#define cvs(x) (x > 0.0 ? x+eps : x-eps)//浮点数转化
#define zero(x) (((x)>0?(x):-(x))<eps)//判断是否等于0
#define mul(a,b) (a<<b)
#define dir(a,b) (a>>b)
typedef long long ll;
typedef unsigned long long ull;
const int Inf=1<<28;
const ll INF=1LL<<60;
const double Pi=acos(-1.0);
const int Mod=1e9+7;
const int Max=440;
struct node
{
    int d,p;
    int sum,sub;
}que[Max];
vector<int> path[25][Max<<1];//选i个人的评价差为j时最后一个人的编号
int dp[25][Max<<1];//选i个人的评价差为j时最大评价和
int now[25][Max<<1];//存值便于回溯
int ansp,ansd,ans[25];
int coun;
void dfs(int i,int j)
{
    coun=0;
    int siz=path[i][j].size();
  for(int k=0;k<siz;++k)
  {
      ans[coun++]=path[i][j][k];
  }
  return;
}
void Solve(int n,int m)
{
    ansd=ansp=0;
    int fix=20*m;//右移fix
    memset(dp,-1,sizeof(dp));//不允许走的地方
    for(int i=0;i<=m;++i)
        for(int j=0;j<2*fix;++j)
    path[i][j].clear();
    dp[0][fix]=0;//向右移动fix保证所有为非负
    for(int i=0;i<n;++i)//确定人后再确定下一人,这样避免出现当评论差与评论和都相同却不能存的情况
    {
        for(int j=m;j>0;--j)//选择的人数,倒叙保证不重复(01背包)
        {
            for(int k=0;k<2*fix;++k)//评论差的值
            {
                int kk=k-que[i].sub;
                if(kk>=0&&dp[j-1][kk]>=0&&dp[j][k]<dp[j-1][kk]+que[i].sum)
                {
                    dp[j][k]=dp[j-1][kk]+que[i].sum;
                    path[j][k]=path[j-1][kk];//因为遍历m个人的循环在内部,所以不能回溯找路径
                    path[j][k].push_back(i);
                }
            }
        }
    }
    for(int i=fix,j=fix;i>=0;--i,++j)
    {
        if(dp[m][i]>=0)
        {
            if(dp[m][j]>dp[m][i])
                dfs(m,j);//找到(减去fix后的绝对值)最接近0的值
            else
                dfs(m,i);
            break;
        }
        if(dp[m][j]>=0)
        {
            dfs(m,j);
            break;
        }
    }
    for(int i=0;i<m;++i)
    {
        ansp+=que[ans[i]].p;
        ansd+=que[ans[i]].d;
    }
    return;
}
int main()
{
    int n,m;
    int coun=0;
    while(~scanf("%d %d",&n,&m)&&(n||m))
    {
        for(int i=0; i<n; ++i)
        {
            scanf("%d %d",&que[i].d,&que[i].p);
            que[i].sum=que[i].d+que[i].p;
            que[i].sub=que[i].d-que[i].p;
        }
        Solve(n,m);
        printf("Jury #%d\n",++coun);
        printf("Best jury has value %d for prosecution and value %d for defence:\n",ansd,ansp);
        for(int i=0; i<m; ++i)
            printf(" %d",ans[i]+1);
        printf("\n\n");
    }
    return 0;
}

 

  

转载于:https://www.cnblogs.com/zhuanzhuruyi/p/6390409.html

一、数据采集层:多源人脸数据获取 该层负责从不同设备 / 渠道采集人脸原始数据,为后续模型训练与识别提供基础样本,核心功能包括: 1. 多设备适配采集 实时摄像头采集: 调用计算机内置摄像头(或外接 USB 摄像头),通过OpenCV的VideoCapture接口实时捕获视频流,支持手动触发 “拍照”(按指定快捷键如Space)或自动定时采集(如每 2 秒采集 1 张),采集时自动框选人脸区域(通过Haar级联分类器初步定位),确保样本聚焦人脸。 支持采集参数配置:可设置采集分辨率(如 640×480、1280×720)、图像格式(JPG/PNG)、单用户采集数量(如默认采集 20 张,确保样本多样性),采集过程中实时显示 “已采集数量 / 目标数量”,避免样本不足。 本地图像 / 视频导入: 支持批量导入本地人脸图像文件(支持 JPG、PNG、BMP 格式),自动过滤非图像文件;导入视频文件(MP4、AVI 格式)时,可按 “固定帧间隔”(如每 10 帧提取 1 张图像)或 “手动选择帧” 提取人脸样本,适用于无实时摄像头场景。 数据集对接: 支持接入公开人脸数据集(如 LFW、ORL),通过预设脚本自动读取数据集目录结构(按 “用户 ID - 样本图像” 分类),快速构建训练样本库,无需手动采集,降低系统开发与测试成本。 2. 采集过程辅助功能 人脸有效性校验:采集时通过OpenCV的Haar级联分类器(或MTCNN轻量级模型)实时检测图像中是否包含人脸,若未检测到人脸(如遮挡、侧脸角度过大),则弹窗提示 “未识别到人脸,请调整姿态”,避免无效样本存入。 样本标签管理:采集时需为每个样本绑定 “用户标签”(如姓名、ID 号),支持手动输入标签或从 Excel 名单批量导入标签(按 “标签 - 采集数量” 对应),采集完成后自动按 “标签 - 序号” 命名文件(如 “张三
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