博客
关于我
洛谷p1830 贪心 活动的安排
阅读量:377 次
发布时间:2019-03-05

本文共 998 字,大约阅读时间需要 3 分钟。

活动选择问题是经典的贪心问题,解决方法如下:

  • 按照活动的结束时间对活动进行排序。这样可以尽早释放时间,为后续选择留下更多空间。

  • 初始化时,选择结束时间最早的活动作为第一个选中的活动,并记录其结束时间。

  • 从第二个活动开始,依次检查每个活动的开始时间。如果当前活动的开始时间晚于或等于上一个活动的结束时间,则选择该活动,并更新结束时间。

  • 通过这种方法,可以确保选择的活动数量最多。这是因为每次选择结束时间最早的活动,能够为后续的活动选择留下更多的时间窗口,从而最大化整体的活动数量。

    以下是实现代码:

    #include 
    #include
    #include
    using namespace std;struct Activity { int start, end;};bool compare(const Activity& a, const Activity& b) { return a.end < b.end;}int main() { int n; cin >> n; vector
    acts(n); for (int i = 0; i < n; ++i) { cin >> acts[i].start >> acts[i].end; } sort(acts.begin(), acts.end(), compare); int last_end = acts[0].end; int count = 1; for (int i = 1; i < n; ++i) { if (acts[i].start >= last_end) { last_end = acts[i].end; count++; } } cout << count << endl; return 0;}

    这个代码首先读取输入数据,定义了一个活动结构体,包含开始时间和结束时间。然后使用比较函数按结束时间排序活动。接着,初始化最后一个选中的活动的结束时间为第一个活动的结束时间,并遍历每个活动,选择不重叠的活动,最后输出选中的活动数量。

    转载地址:http://jmtg.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 基于改进YOLOv8的景区行人检测算法
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLO-World做目标检测
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
    查看>>
    OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | YOLO11自定义数据集训练实现缺陷检测 (标注+训练+预测 保姆级教程)
    查看>>
    OpenCV与AI深度学习 | 实战 | YOLOv10模型微调检测肾结石并提高准确率
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>