HDU 1069 Monkey and Banana (DP)

本文介绍了解决HDU1069问题的一种方法,该问题要求计算通过不同方式堆叠方块所能达到的最大高度。文章提供了一种类似最长递增子序列(LIS)的解决方案,并给出了具体的实现代码。

HDU 1069 Monkey and Banana

传送门

题意

有一堆方块(三维的),可以把它们叠在一起,

求这些方块所能达到的最大高度。

思路

注意到这个问题颇像LIS,
只是元素的key由一维的数字变成了二维的长和宽而已。
于是可以把一个方块拆成六个(且一个方块的六种摆放方式不会有两种同时被选入LIS中),
之后就可以按照LIS的方式去做了。

这里我用的是O(n^2)的LIS。

代码

#include<cstdio>
#include<algorithm>
using namespace std;
const int maxn=30*6+10;
int tot;
int f[maxn];
struct node{
    int x,y,z;
    void get(int _x,int _y,int _z){
        x=_x;y=_y;z=_z;
    }
    bool operator <(const node&a)const{
        if(x==a.x)
            return y>a.y;
        return x>a.x;
    }
}a[maxn];
int check(node a,node b){
    return ((a.x<b.x)&&(a.y<b.y));
}
int main(){
//  freopen("CCC.in","r",stdin);
    int n,cnt=0;
    while(1){
        scanf("%d",&n);
        if(n==0)break;
        cnt++;
        tot=1;
        for(int i=1;i<=n;i++){
            int x,y,z;
            scanf("%d%d%d",&x,&y,&z);
            a[tot++].get(x,y,z);
            a[tot++].get(x,z,y);
            a[tot++].get(y,x,z);
            a[tot++].get(y,z,x);
            a[tot++].get(z,x,y);
            a[tot++].get(z,y,x);
        }
        n=tot-1;
        sort(a+1,a+n+1);
        for(int i=1;i<=n;i++)
            f[i]=a[i].z;
        for(int i=2;i<=n;i++)
            for(int j=1;j<i;j++)
                if(check(a[i],a[j])&&f[i]<f[j]+a[i].z)
                    f[i]=f[j]+a[i].z;
        int mx=0;
        for(int i=1;i<=n;i++)
            mx=max(mx,f[i]);
        printf("Case %d: maximum height = %d\n",cnt,mx);    
    }
    return 0;
}
植物实例分割数据集 一、基础信息 数据集名称:植物实例分割数据集 图片数量: - 训练集:9,600张图片 - 验证集:913张图片 - 测试集:455张图片 总计:10,968张图片 分类类别:59个类别,对应数字标签0至58,涵盖多种植物状态或特征。 标注格式:YOLO格式,适用于实例分割任务,包含多边形标注点。 数据格式:图像文件,来源于植物图像数据库,适用于计算机视觉任务。 二、适用场景 • 农业植物监测AI系统开发:数据集支持实例分割任务,帮助构建能够自动识别植物特定区域并分类的AI模型,辅助农业专家进行精准监测和分析。 • 智能农业应用研发:集成至农业管理平台,提供实时植物状态识别功能,为作物健康管理和优化种植提供数据支持。 • 学术研究与农业创新:支持植物科学与人工智能交叉领域的研究,助力发表高水平农业AI论文。 • 农业教育与培训:数据集可用于农业院校或培训机构,作为学生学习植物图像分析和实例分割技术的重要资源。 三、数据集优势 • 精准标注与多样性:标注采用YOLO格式,确保分割区域定位精确;包含59个类别,覆盖多种植物状态,具有高度多样性。 • 数据量丰富:拥有超过10,000张图像,大规模数据支持模型充分学习和泛化。 • 任务适配性强:标注兼容主流深度学习框架(如YOLO、Mask R-CNN等),可直接用于实例分割任务,并可能扩展到目标检测或分类等任务。
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