当前位置: 首页 > news >正文

P1478 陶陶摘苹果(升级版)题解

#include<iostream> #include<vector> #include<algorithm> // 定义结构体xy,表示苹果的属性 // x: 苹果的高度 // y: 摘取苹果需要的力量/花费 struct xy { int x, y; }; // 比较函数,用于排序 // 按照苹果的花费y从小到大排序 // 这样排序后,花费小的苹果会排在前面 int cmpxy(const xy &a, const xy &b) { return a.y < b.y; } using namespace std; int main() { // 输入数据 int n, s, a, b; // n:苹果总数, s:拥有的总力量, a:身高, b:凳子高度 cin >> n >> s >> a >> b; // 计算能够到的最大高度:身高 + 凳子高度 a += b; // 创建向量v,用于存储能够到的苹果 vector<xy> v; // 输入所有苹果的信息,并筛选能够到的苹果 for(int i = 0; i < n; i++) { xy p; // 临时变量存储一个苹果的信息 cin >> p.x >> p.y; // 输入苹果的高度和花费 // 如果苹果的高度不超过能够到的最大高度,则将其加入向量v if (p.x <= a) { v.push_back(p); } } // 对能够到的苹果按照花费从小到大排序(贪心策略) // 这样我们可以优先摘取花费小的苹果,从而摘到更多的苹果 sort(v.begin(), v.end(), cmpxy); int sum = 0; // 记录摘到的苹果数量 // 遍历排序后的苹果向量 for (int x = 0; x < v.size(); x++) { // 如果当前苹果的花费不超过剩余的力量 if (v[x].y <= s) { s -= v[x].y; // 花费力量摘取这个苹果 sum++; // 摘到的苹果数量加1 } // 注意:这里没有break,因为即使当前苹果无法摘取,后续可能有更便宜的苹果 // 但由于我们已经排序了,所以实际上后续苹果的花费不会更小 // 不过题目保证力量s非负,且输入合理,所以这里逻辑正确 } // 输出最多能摘到的苹果数量 cout << sum << endl; return 0; }
http://www.gsyq.cn/news/143944.html

相关文章:

  • DeepSeek-Coder vs Copilot:嵌入式开发场景适配性对比实战
  • 操作指南:Intel平台启用USB 3.2高速模式
  • anything-llm插件生态展望:未来可能的扩展方向
  • 低延迟要求场景优化:缓存机制与预加载策略
  • 如何评估anything-llm的知识库回答准确性?
  • Altium Designer生成Gerber用于工厂生产的细节解析
  • 场效应管放大电路分析:模拟电子技术基础完整示例
  • 引用溯源功能:每个答案都能追溯原始文档
  • 手把手教你完成vivado安装与环境配置
  • 20 个 Kubernetes 运维技巧:支撑生产级集群稳定运行的实践清单
  • 整合多种大模型的AI终端:anything-llm扩展性分析
  • RLVR:2025年大模型训练的新范式,解锁模型推理能力
  • 轻松上手!anything-llm图形化界面操作全攻略
  • 基于多波束技术的卫星通信系统matlab性能仿真
  • 2025中国电缆一线品牌推荐:十大品牌榜单,缆标杆品牌盘点(12月更新) - 品牌2026
  • 安全采集jvm
  • iPhone 18系列明年Q1试产:首发A20系列芯片
  • 支持Ollama本地模型服务:anything-llm无缝对接方案
  • AI大模型排行网址、各大AI平台网址
  • 开源AI应用推荐:anything-llm让知识管理更简单
  • 什么是 ACPI Bridge Device
  • 如何用anything-llm实现文档智能检索与对话交互?
  • 基于单片机的多路温湿度采集与WIFI智能报警控制系统设计
  • 基于Python+大数据+SSM基于深度学习的淘宝用户购物可视化与行为预测系统(源码+LW+调试文档+讲解等)/淘宝用户分析系统/购物行为预测系统/用户购物可视化系统/电商用户行为预测
  • 今天我们利用Jenkins插件调用ansible
  • 【强烈推荐】后端开发转战大模型:零基础入门到精通的学习路线规划(建议收藏)
  • 【AAMCWOA-RBF回归预测】AAMCWOA-RBF:一种基于自适应退火与混沌鲸鱼优化算法的混合回归预测模型研究(Matlab代码实现)
  • anything-llm深度测评:简洁全能的LLM应用管理器体验
  • Pinecone vs Chroma vs Weaviate:与anything-llm集成测试
  • 当4人团队28天做出霸榜应用:你的职场“生存法则”正被谁改写?