2014 Multi-University Training Contest 1 — D. Task

简介:

题目链接:http://acm.hdu.edu.cn/showproblem.php?pid=4864


题目大意:

有N个机器。M个任务。

当中每一个机器有xi,yi。(xi表示每台机器的最长工作时间。yi表示机器能够完毕的任务难度值)

每一个任务有xi,yi。(xi表示完毕该任务须要的时间,yi表示任务的难度)每完毕一个任务,能够得到一笔钱:500 * xi + 2 * yi。

一台机器最多仅仅能做一个任务。一个任务最多仅仅能被完毕一次。

问:最多能完毕几个任务,且在完毕任务最多的情况下,能得到钱数最多为多少。


解题思路:

贪心的想法。将机器和任务依照一下规则排序:

假设xi不同。依照xi的大小从大到小排序;

假设xi同样,yi不同。依照yi的大小从大到小排序;

假设上述均同样,则依照机器排在任务前面。

经过排序之后。就保证了前面的 x 值一定比后面的 x 值大,仅仅须要比較 y 值就可以。遍历一次,假设碰到机器,则将 y 值存进一个multiset里面。假设碰到任务。那么在multiset里面找一个最小的不小于 yi 的值。用该机器去完毕该任务。


代码:

 

}






本文转自mfrbuaa博客园博客,原文链接:http://www.cnblogs.com/mfrbuaa/p/5141114.html,如需转载请自行联系原作者

相关文章
|
7月前
|
机器学习/深度学习 人工智能
【博士每天一篇文献-模型】Self-organizing deep belief modular echo state network for time series
本文提出了一种自组织深度置信模块式回声状态网络(SDBMESN),通过结合深度置信网络和模块化回声状态网络,利用自组织机制动态调整网络结构,以提高时间序列预测的泛化能力。
38 2
|
数据挖掘
【提示学习】Automatic Multi-Label Prompting: Simple and Interpretable Few-Shot Classification
文章提出了一种简单确高效地构建verbalization的方法:
|
数据挖掘
MUSIED: A Benchmark for Event Detection from Multi-Source Heterogeneous Informal Texts 论文解读
事件检测(ED)从非结构化文本中识别和分类事件触发词,作为信息抽取的基本任务。尽管在过去几年中取得了显著进展
95 0
|
机器学习/深度学习 自然语言处理 数据挖掘
UnifiedEAE: A Multi-Format Transfer Learning Model for Event Argument Extraction via Variational论文解读
事件论元抽取(Event argument extraction, EAE)旨在从文本中抽取具有特定角色的论元,在自然语言处理中已被广泛研究。
117 0
|
自然语言处理 算法
【论文精读】COLING 2022 - CLIO: Role-interactive Multi-event Head Attention Network for DEE
将网络上的大量非结构化文本转换为结构化事件知识是NLP的一个关键但尚未解决的目标,特别是在处理文档级文本时。
87 0
带你读《2022技术人的百宝黑皮书》——User-Aware Multi-Interest Learning for Candidate Matching in Recommenders(15)
带你读《2022技术人的百宝黑皮书》——User-Aware Multi-Interest Learning for Candidate Matching in Recommenders(15)
100 0
带你读《2022技术人的百宝黑皮书》——Co-training Disentangled Domain Adaptation Network for Leveraging Popularity Bias in Recommenders(12)
带你读《2022技术人的百宝黑皮书》——Co-training Disentangled Domain Adaptation Network for Leveraging Popularity Bias in Recommenders(12)
|
数据挖掘
【多标签文本分类】Initializing neural networks for hierarchical multi-label text classification
【多标签文本分类】Initializing neural networks for hierarchical multi-label text classification
141 0
【多标签文本分类】Initializing neural networks for hierarchical multi-label text classification
|
存储 机器学习/深度学习 数据挖掘
Multi-Scale Convolutional Neural Networks for Time Series Classification
针对现有时间序列分类方法的特征提取与分类过程分离,且无法提取存在于不同时间尺度序列的不同特征的问题,作者提出MCNN模型。 对于单一时间序列输入,进行降采样和滑动平均等变化,产生多组长度不同的时间序列,并在多组时间序列上进行卷积,提取不同时间尺度序列的特征。
268 0
Multi-Scale Convolutional Neural Networks for Time Series Classification
|
Java
HDU - 2018 Multi-University Training Contest 1 - 1001: Maximum Multiple
HDU - 2018 Multi-University Training Contest 1 - 1001: Maximum Multiple
109 0