挤奶牛奶预备事项(应用的数学分析,贪心思想)

简介: 挤奶牛奶预备事项(应用的数学分析,贪心思想)

我们只有将牛的乳房开进牛棚,你才能开始清洁乳房,在清洁乳房之前,您不能挤奶。 我们呼吁为完成这项工作作好这些准备。 至少有一件杂务不需要准备,可以尽早开始,标记为杂项1。 有一个列表的 n 家务要完成,此列表是有序的,和杂务 k (k>1) 的准备工作可能只在杂项 1 到 k-1。


将程序从 1 到 n 读入每个杂务的工作说明中。计算完成所有家务的最短时间。当然,彼此无关紧要的家务劳动可以同时工作,你可以假设农场有足够的工人同时完成任意数量的任务。

第1行:整数n,必须完成的家务劳动数量(3≤n≤10,000);


2 到 (n-1)分别是

* 工作序列号(输入文件中订购的 1 到 n):

* 完成工作所需的时间(1≤n≤100):

* 必须完成的一些筹备工作,总数不超过100人,最后为0人。有些家务活没有工作准备只描述单独的 0,并且整个输入文件中没有额外的空间。


输出格式



表示完成所有家务所需的最短时间的整数。


输入和输出的示例



进入

7

1 5

0 2 2 1 0


3 3 2

0 4 6

1 0 5 1 2 4 0 6 8 2 4 0

7 4 3 5 6 0

 

输出

23


我们分析的主题是:

我们可以理解,每当我们开始做第一步,我们穿越准备工作选择最多的时间,其他等价物包括在内,然后我们比较每一步的大小,选择最多的时间:


补充一下就是作为我们在循环的时后可以一直输入直到出现0

#include<iostream>
#include<algorithm>
using namespace std;
int n,l,t,ans[10005],ma;
int main()
{
   cin>>n;//几个工作 
    for(int i=1;i<=n;++i){
      cin>>i>>l;//序号 //工作时间 
        int tmp=0;
        while(cin>>t&&t)//当t!=0
            tmp=max(ans[t],tmp);//预备事件最大值 
        ans[i]=tmp+l;
        ma=max(ans[i],ma);//步数时间要最大值 
    } 
  cout<<ma;
    return 0;
 } 


相关文章
|
3天前
|
云安全 人工智能 安全
AI被攻击怎么办?
阿里云提供 AI 全栈安全能力,其中对网络攻击的主动识别、智能阻断与快速响应构成其核心防线,依托原生安全防护为客户筑牢免疫屏障。
|
13天前
|
域名解析 人工智能
【实操攻略】手把手教学,免费领取.CN域名
即日起至2025年12月31日,购买万小智AI建站或云·企业官网,每单可免费领1个.CN域名首年!跟我了解领取攻略吧~
|
7天前
|
安全 Java Android开发
深度解析 Android 崩溃捕获原理及从崩溃到归因的闭环实践
崩溃堆栈全是 a.b.c?Native 错误查不到行号?本文详解 Android 崩溃采集全链路原理,教你如何把“天书”变“说明书”。RUM SDK 已支持一键接入。
509 203
|
5天前
|
人工智能 移动开发 自然语言处理
2025最新HTML静态网页制作工具推荐:10款免费在线生成器小白也能5分钟上手
晓猛团队精选2025年10款真正免费、无需编程的在线HTML建站工具,涵盖AI生成、拖拽编辑、设计稿转代码等多种类型,均支持浏览器直接使用、快速出图与文件导出,特别适合零基础用户快速搭建个人网站、落地页或企业官网。
730 157
|
11天前
|
人工智能 自然语言处理 安全
国内主流Agent工具功能全维度对比:从技术内核到场景落地,一篇读懂所有选择
2024年全球AI Agent市场规模达52.9亿美元,预计2030年将增长至471亿美元,亚太地区增速领先。国内Agent工具呈现“百花齐放”格局,涵盖政务、金融、电商等多场景。本文深入解析实在智能实在Agent等主流产品,在技术架构、任务规划、多模态交互、工具集成等方面进行全维度对比,结合市场反馈与行业趋势,为企业及个人用户提供科学选型指南,助力高效落地AI智能体应用。
|
5天前
|
数据采集 消息中间件 人工智能
跨系统数据搬运的全方位解析,包括定义、痛点、技术、方法及智能体解决方案
跨系统数据搬运打通企业数据孤岛,实现CRM、ERP等系统高效互通。伴随数字化转型,全球市场规模超150亿美元,中国年增速达30%。本文详解其定义、痛点、技术原理、主流方法及智能体新范式,结合实在Agent等案例,揭示从数据割裂到智能流通的实践路径,助力企业降本增效,释放数据价值。
|
存储 人工智能 监控
从代码生成到自主决策:打造一个Coding驱动的“自我编程”Agent
本文介绍了一种基于LLM的“自我编程”Agent系统,通过代码驱动实现复杂逻辑。该Agent以Python为执行引擎,结合Py4j实现Java与Python交互,支持多工具调用、记忆分层与上下文工程,具备感知、认知、表达、自我评估等能力模块,目标是打造可进化的“1.5线”智能助手。
673 46