HDU-非诚勿扰

这题用匈牙利算法是无论如何也过不了的,边太多了。

利用简单的贪心规则,我们每次选取最优的匹配方案来进行匹配,在划分上我们采用工资要求为负值的去寻找工资要求为正值的人。对于一个要求工资比他低的男人来说,其实就是优先最有钱的男人,因为能与之匹配的女生是最多的,在选取女生的时候,就选择满足要求下工资最高的女生,因为这种女生最难满足要求,这一对配对对后面的匹配来说是最优的。女生同理。

代码如下:

#include <cstring>
#include <cstdio>
#include <cstdlib>
#include <algorithm>
#define MAXN 100005
using namespace std;

int N, bl[MAXN], bh[MAXN], gl[MAXN], gh[MAXN];

int idx[5];

bool cmp(int a, int b)
{
    return a > b;
}

int solve()
{
    int ptr = 1, ret = 0;
    sort(bl+1, bl+1+idx[0], cmp);
    sort(bh+1, bh+1+idx[1], cmp);
    sort(gl+1, gl+1+idx[2], cmp);
    sort(gh+1, gh+1+idx[3], cmp);
    for (int i = 1; i <= idx[0]; ++i) {
        for ( ; ptr <= idx[3]; ++ptr) {
            if (bl[i] > gh[ptr]) {
                ++ptr, ++ret;
                break;
            }
        }
    }
    ptr = 1;
    for (int i = 1; i <= idx[2]; ++i) {
        for ( ; ptr <= idx[1]; ++ptr) {
            if (gl[i] > bh[ptr]) {
                ++ptr, ++ret;
                break;
            }
        }
    }
    return ret;
}

int main()
{
    int T, c;
    scanf("%d", &T);
    while (T--) {
        memset(idx, 0, sizeof (idx));
        scanf("%d", &N);
        for (int i = 1; i <= N; ++i) {
            scanf("%d", &c);
            if (c < 0) {
                bl[++idx[0]] = -c;
            }
            else {
                bh[++idx[1]] = c;
            }
        }  
        for (int i = 1; i <= N; ++i) {
            scanf("%d", &c);
            if (c < 0) {
                gl[++idx[2]] = -c;
            }
            else {
                gh[++idx[3]] = c;
            }
        }
        printf("%d\n", solve());
    }
    return 0;
}
内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
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
 
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