AcWIng 734. 能量石(贪心 + 01背包)

简介: 笔记

能量石


题意

岩石怪物杜达生活在魔法森林中,他在午餐时收集了 N 块能量石准备开吃。


由于他的嘴很小,所以一次只能吃一块能量石。


能量石很硬,吃完需要花不少时间。


吃完第 i 块能量石需要花费的时间为 Si 秒。


杜达靠吃能量石来获取能量。


不同的能量石包含的能量可能不同。


此外,能量石会随着时间流逝逐渐失去能量。


第 i 块能量石最初包含 Ei 单位的能量,并且每秒将失去 Li 单位的能量。


当杜达开始吃一块能量石时,他就会立即获得该能量石所含的全部能量(无论实际吃完该石头需要多少时间)。


能量石中包含的能量最多降低至 0。


请问杜达通过吃能量石可以获得的最大能量是多少?


思路

先贪心得考虑:

假设已经排好吃的顺序了 现在有两个相邻的石头分别是i,i+1

20.png


代码

#include <bits/stdc++.h>
//#define int long long
#define INF 0x3f3f3f3f
#define mod 1000000007
#define endl '\n'
#define rep(i, st, ed) for (int (i) = (st); (i) <= (ed);++(i))
#define pre(i, ed, st) for (int (i) = (ed); i >= (st);--(i))
using namespace std;
typedef long long LL;
typedef pair<int, int> PII;
inline int gcd(int a, int b) { return b ? gcd(b, a % b) : a; }
inline int lowbit(int x) { return x & -x; }
const int N = 150;
int n;
int f[10009];
struct Node {
  int s, e, l;
  bool operator< (const Node &w) const {
    return s * w.l < w.s * l;
  }
}stone[N];
void solve(int t) {
  cin >> n;
  int m = 0;
  for (int i = 1; i <= n; ++i) {
    cin >> stone[i].s >> stone[i].e >> stone[i].l;
    m += stone[i].s;
  }
  memset(f, -0x3f, sizeof f);
  f[0] = 0;
  sort(stone + 1, stone + 1 + n);
  for (int i = 1; i <= n; ++i) {
    int s = stone[i].s, e = stone[i].e, l = stone[i].l;
    for (int j = m; j >= s; --j) {
            // 如果吃当前能量石 那么应该从 j - s 开始吃
            // 那么当前能量石就会损失 (j - s) * l 的能量
      f[j] = max(f[j], f[j - s] + e - (j - s) * l);
    }
  }
  int res = 0;
  for (int i = 0; i <= m; ++i) {
    res = max(res, f[i]);
  }
  printf("Case #%d: ", t, res);
}
signed main() {
  int t;cin >> t;
  while(t--)
  solve(t);
  return 0; 
}
目录
相关文章
|
JavaScript 小程序 前端开发
【Vue篇】mac上Vue 开发环境搭建、运行Vue项目(保姆级)
【Vue篇】mac上Vue 开发环境搭建、运行Vue项目(保姆级)
5031 2
|
人工智能 算法
《中国人工智能学会通讯》——8.4 鸽群优化在编队中的应用
本节书摘来自CCAI《中国人工智能学会通讯》一书中的第8章,第8.4节, 更多章节内容可以访问云栖社区“CCAI”公众号查看。
1430 0
|
1天前
|
人工智能 自然语言处理 JavaScript
2026年Windows+Ollama本地部署OpenClaw保姆级教程:本地AI Agent+阿里云上快速搭建
2026年OpenClaw凭借本地部署、私有化运行的特性,成为打造个人智能体的核心工具,而Ollama作为轻量级本地大模型管理工具,能让OpenClaw摆脱对云端大模型的依赖,实现**本地推理、数据不泄露、全流程私有化**的智能体验。本文基于Windows 11系统,从硬件环境准备、Ollama安装与模型定制、OpenClaw部署配置、技能扩展到常见问题排查,打造保姆级本地部署教程,同时补充阿里云OpenClaw(Clawdbot)快速部署步骤,兼顾本地私有化需求与云端7×24小时运行需求,文中所有代码命令均可直接复制执行,确保零基础用户也能快速搭建属于自己的本地智能体。
2892 12
|
12天前
|
人工智能 自然语言处理 监控
OpenClaw skills重构量化交易逻辑:部署+AI全自动炒股指南(2026终极版)
2026年,AI Agent领域最震撼的突破来自OpenClaw(原Clawdbot)——这个能自主规划、执行任务的智能体,用50美元启动资金创造了48小时滚雪球至2980美元的奇迹,收益率高达5860%。其核心逻辑堪称教科书级:每10分钟扫描Polymarket近千个预测市场,借助Claude API深度推理,交叉验证NOAA天气数据、体育伤病报告、加密货币链上情绪等多维度信息,捕捉8%以上的定价偏差,再通过凯利准则将单仓位严格控制在总资金6%以内,实现低风险高频套利。
6451 58
|
8天前
|
存储 人工智能 负载均衡
阿里云OpenClaw多Agent实战宝典:从极速部署到AI团队搭建,一个人=一支高效军团
在AI自动化时代,单一Agent的“全能模式”早已无法满足复杂任务需求——记忆臃肿导致响应迟缓、上下文污染引发逻辑冲突、无关信息加载造成Token浪费,这些痛点让OpenClaw的潜力大打折扣。而多Agent架构的出现,彻底改变了这一现状:通过“单Gateway+多分身”模式,让一个Bot在不同场景下切换独立“大脑”,如同组建一支分工明确的AI团队,实现创意、写作、编码、数据分析等任务的高效协同。
2877 27
|
30天前
|
人工智能 自然语言处理 Shell
🦞 如何在 OpenClaw (Clawdbot/Moltbot) 配置阿里云百炼 API
本教程指导用户在开源AI助手Clawdbot中集成阿里云百炼API,涵盖安装Clawdbot、获取百炼API Key、配置环境变量与模型参数、验证调用等完整流程,支持Qwen3-max thinking (Qwen3-Max-2026-01-23)/Qwen - Plus等主流模型,助力本地化智能自动化。
43648 157
🦞 如何在 OpenClaw (Clawdbot/Moltbot) 配置阿里云百炼 API
|
4天前
|
人工智能 JavaScript API
2026年Windows系统本地部署OpenClaw指南:附阿里云简易部署OpenClaw方案,零技术基础也能玩转AI助手
在AI办公自动化全面普及的2026年,OpenClaw(原Clawdbot、Moltbot)凭借“自然语言指令操控、多任务自动化执行、多工具无缝集成”的核心优势,成为个人与轻量办公群体打造专属AI助手的首选。它彻底打破了传统AI“只会对话不会执行”的局限——“手”可读写本地文件、执行代码、操控命令行,“脚”能联网搜索、访问网页并分析内容,“大脑”则可灵活接入通义千问、OpenAI等云端API,或利用本地GPU运行模型,真正实现“聊天框里办大事”。
1001 2