九度OJ 1463 招聘会

本文介绍了一种使用贪心策略解决多个招聘会冲突问题的方法。通过按结束时间排序并遍历,有效选取不冲突的招聘会,实现最优解。代码示例展示了实现过程。

这个题目是典型的贪心问题。贪心策略如下:按照结束时间进行从小到大排序,从第一个开始遍历排序后的招聘会一遍得出结果,每次设置一个temp进行记录当前所在招聘会,下一个招聘会向后找到第一个不冲突的,然后修改temp,当然此时能参加的招聘会要+1。

贪心策略简单证明:假设有两个招聘会A和B,且A的结束时间要早于B的结束时间,那么显然我们选择B的时候B的所有后续安排全部不会和A冲突,而选择A的时候A的后续却不一定满足不与B冲突。一个直观的理解就是越早完成的招聘会会给后续招聘会腾出更多时间。

贴代码,注意题目描述有点瑕疵,输入并不止一组。

#include<iostream>
#include<algorithm>
using namespace std;
struct node{
    int start;
    int end;
};
bool cmp(node a,node b)
{
    if(a.end<=b.end)
        return true;
    return false;
}
node act[10050];
int main()
{
    int n,i;
    while(cin>>n)
    {
        for(i=1;i<=n;i++)
            cin>>act[i].start>>act[i].end;
        sort(act+1,act+1+n,cmp);
        int temp=1;
        int sum=1;
        for(i=2;i<=n;i++)
        {
            if(act[i].start>=act[temp].end)
            {
                temp=i;
                sum=sum+1;
            }
        }
        cout<<sum<<endl;
    }
    return 0;
}


内容概要:本文介绍了一个基于多传感器融合的定位系统设计方案,采用GPS、里程计和电子罗盘作为定位传感器,利用扩展卡尔曼滤波(EKF)算法对多源传感器数据进行融合处理,最终输出目标的滤波后位置信息,并提供了完整的Matlab代码实现。该方法有效提升了定位精度与稳定性,尤其适用于存在单一传感器误差或信号丢失的复杂环境,如自动驾驶、移动采用GPS、里程计和电子罗盘作为定位传感器,EKF作为多传感器的融合算法,最终输出目标的滤波位置(Matlab代码实现)机器人导航等领域。文中详细阐述了各传感器的数据建模方式、状态转移与观测方程构建,以及EKF算法的具体实现步骤,具有较强的工程实践价值。; 适合人群:具备一定Matlab编程基础,熟悉传感器原理和滤波算法的高校研究生、科研人员及从事自动驾驶、机器人导航等相关领域的工程技术人员。; 使用场景及目标:①学习和掌握多传感器融合的基本理论与实现方法;②应用于移动机器人、无人车、无人机等系统的高精度定位与导航开发;③作为EKF算法在实际工程中应用的教学案例或项目参考; 阅读建议:建议读者结合Matlab代码逐行理解算法实现过程,重点关注状态预测与观测更新模块的设计逻辑,可尝试引入真实传感器数据或仿真噪声环境以验证算法鲁棒性,并进一步拓展至UKF、PF等更高级滤波算法的研究与对比。
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