hihoCoder 1095 HIHO Drinking Game 微软苏州校招笔试 12月27日

二分搜索求最优策略
本文探讨了一个关于游戏策略的问题,通过分析游戏规则发现T值大小对双方得分的影响,并利用二分搜索法来找到使一方获胜的最小T值。文章详细介绍了如何实现二分搜索并给出完整的代码示例。

由game规则可以看出,T越大超出d的可能性越大,对小ho越有利,其实我是通过打表才看出来这个单调性的==。

对T进行二分搜索,[0,K+1],因为如果N=1,那么应该有T=K+1,小ho才可以获胜。

因为N是奇数,两者得分相等的情况不会存在,二分的时候可以忽略这种case。

注意二分的mid值如果越过了右边界,需要返回一个很大的值才能使其向左搜索。

#include<iostream>
#include<stdio.h>
#include<cstdio>
#include<stdlib.h>
#include<vector>
#include<string>
#include<cstring>
#include<cmath>
#include<algorithm>
#include<stack>
#include<queue>
#include<ctype.h>
#include<map>
#include<time.h>
#include<bitset>
#include<set>
#include<list>
using namespace std;
//hihocder 1095

const int maxn=1e5+10;
int N;
int K;
int d[maxn];
int ans;
void test()//打表找规律
{
    int n=5;
    int k=6;
    int r=0;
    int dd[]={3,6,6,2,1};
    int s1=0;
    int s2=0;
    for(int t=1;t<=k;t++)
    {
        s1=0;
        s2=0;
        r=0;
        for(int i=0;i<n;i++)
        {
            r=r+t;
            if(r<=dd[i])
            {
                s1++;
                r=0;
            }
            else
            {
                s2++;
                r-=dd[i];
            }
        }
        cout<<t<<" "<<s1<<" "<<s2<<endl;
    }
}
pair<int,int> cal(int t)
{
    if(t>(K+1))
    {
        return make_pair(0x3f3f3f3f,0x3f3f3f3f);//溢出右边界时,应该向左搜索,有点像罚函数
    }
    int remain=0;
    int hi=0;
    int ho=0;
    for(int i=0;i<N;i++)
    {
        remain+=t;
        if(remain<=d[i])
        {
            hi++;
            remain=0;
        }
        else
        {
            ho++;
            remain-=d[i];
        }
    }
    return make_pair(hi,ho);
}
void binary()
{
    int l=0;
    int r=K+1;//对于N=1的case,T=K+1,所以搜索上界是K+1
    int mid=0;
    while(l<=r)
    {
        mid=(l+r)/2;
        pair<int,int>tmp=cal(mid);
        pair<int,int>tmp2=cal(mid+1);
        //cout<<mid<<endl;
        //cout<<tmp.first<<" "<<tmp.second<<" "<<tmp2.first<<" "<<tmp2.second<<endl;
        if(tmp.first>tmp.second&&tmp2.first<tmp2.second)//== doesn't exist
        {
            ans=mid+1;
            break;
        }
        else if(tmp.first<tmp.second&&tmp2.first<tmp2.second)
        {
            r=mid;
        }
        else if(tmp.first>tmp.second&&tmp2.first>tmp2.second)
        {
            l=mid;
        }
    }
}
int main()
{
    freopen("input.txt","r",stdin);
    //freopen("output.txt","w",stdout);
    //test();
    scanf("%d %d",&N,&K);
    for(int i=0;i<N;i++)
    {
        scanf("%d",&d[i]);
    }
    binary();
    printf("%d\n",ans);
    return 0;

}




内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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