Cafeteria(01背包模板题)⭐⭐⭐

本文介绍了一道关于自助餐厅取悦值最大化的问题,通过01背包模型,展示了如何利用编程技巧帮助Nanae为Josnch选择食物以获得最大愉悦值。阅读者将理解如何应用贪心策略和动态规划来解决实际的美食决策问题。

问题 C: Cafeteria

时间限制: 1 Sec  内存限制: 128 MB
提交: 39  解决: 20
[提交] [状态] [命题人:外部导入]

题目描述

Nanae把饥肠辘辘的josnch带去一家自助餐厅,面对面前眼花缭乱的美味josnch呆住了。假设有N种食物,每种食物只有一样,而且每种食物有对应的体积Wi (1 <= Wi <= 400),食用每一种食物都能增加对应的愉悦值Di(1 <= Di <= 100).现在已知josnch肚子的容量为M(1 <= M <= 12,880),现在假设josnch足够聪明,请问他如何选择能在可接受的范围内达到愉悦值最大。

 

 

 

 

输入

 

第一行输入两个整数,N和M。

第二行到第N+1行输入每行两个整数,Wi 和 Di ,分别代表 第i件物品的体积和所能带来的愉悦值。

 

 

 

输出

输出一个整数,也就是在最佳选择下的愉悦值。

 

 

 

 

样例输入

<span style="color:#333333">4 6
1 4
2 6
3 12
2 7
</span>
 

样例输出

<span style="color:#333333">23</span>

 

这题,在训练的时候没写,因为后台数据出现了错误,虽然一眼就看出是个01背包的题,但是我们也没有提交。导致之后修改了后台数据,重判,我们也没有分( ╯□╰ )。所以说就算还是要提交一下的。

 实现代码:

#include<bits/stdc++.h>
using namespace std;
int f[1010],v[1010],w[1010];
int main()
{
	int i,j,n,m;
	while(cin>>n>>m)
	{
		memset(f,0,sizeof(f));
		for(i=1;i<=n;i++)
			scanf("%d %d",&w[i],&v[i]);//存储注意 
		for(i=1;i<=n;i++)
		{
			for(j=m;j>=w[i];j--)
			{
				f[j]=max(f[j],f[j-w[i]]+v[i]);
			}
		}
		cout<<f[m]<<endl;
	}
	return 0;
}

 

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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