C - Medical Checkup Aizu - 1380

2023-12-27 02:38
文章标签 medical aizu 1380 checkup

本文主要是介绍C - Medical Checkup Aizu - 1380,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

题目https://vjudge.net/problem/Aizu-1380

想的太复杂了,真的,写都不好写,写完了也写wa了;

把我心态都搞崩了。

思路:

如果画一个区间图,仔细分析的话,就会发现,每次的可以进行的项目数,与之前出现过的最大值有关,等待时间加上当前操作的执行时间,其实是最大时间,所以以mxx,为划分区间,

注意:当等待的时候,项目数应该加1

 

 

#include <iostream>
#include <algorithm>
#include <cstdio>
#include <string>
#include <map>
#include <cstdio>
#include <cstring>
#include <vector>
#define ll long long
using namespace std;
const int  maxn = 1e5+5;
const int inf = 0x3f3f3f3f;
ll a[maxn];
ll  bet[maxn];
ll  ans[maxn];
int main()
{ll n,endt;scanf("%lld%lld",&n,&endt);for(int i=1; i<=n; i++){scanf("%lld",&a[i]);}bet[0] = 0;bet[1] = 0;for(int i=2; i<=n; i++){bet[i] = bet[i-1] + a[i-1];}ll mxx = a[1];ans[1] = endt/a[1] + 1;for(int i=2; i<=n; i++){//cout<<bet[i]<<endl;if(endt<=bet[i]){ans[i] = 1;continue;}if(a[i]>=mxx)ans[i] = (double)(endt - bet[i])/(double)a[i] + 1;else{ans[i] = (double)(endt - bet[i])/(double)mxx + 1;ll d = (endt - bet[i])%mxx;if(d>=a[i])ans[i]++;}mxx = max(mxx,a[i]);}for(int i=1; i<=n; i++)cout<<ans[i]<<endl;return 0;
}

 

 

这篇关于C - Medical Checkup Aizu - 1380的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/541628

相关文章

题目1380:lucky number

题目1380:lucky number 时间限制:3 秒 内存限制:3 兆 特殊判题:否 提交:2839 解决:300 题目描述: 每个人有自己的lucky number,小A也一样。不过他的lucky number定义不一样。他认为一个序列中某些数出现的次数为n的话,都是他的lucky number。但是,现在这个序列很大,他无法快速找到所有lucky number。既然

Aizu - 0118(深搜)

题目链接:点击打开链接 解析: 深搜无疑,和水洼那题类似。以查找过的赋值1,然后每次找不是1的位置,一搜一片即可。最后记录多少有片区域。 完整代码: #include <cstdio>#include <cstring>#include <cstdlib>#include <algorithm>#include <iostream>#include <cmath>

Deep Learning Techniques for Medical Image Segmentation: Achievements and Challenges

前言: 该篇文章较为全面但稍偏简单的介绍医学图像分割的常见数据集、各种神经网络,以及常见的训练技巧等问题。 一、重点摘录 2.5D approaches are inspired by the fact that 2.5D has the richer spatial information of neighboing pixels wiht less computational costs t

Aizu 2541 Magical Bridges

题意: n个岛屿,由m条桥连接,其中有k条是魔法桥,你可以用魔法把他们变成相同长度。 求在执行魔法后,两个起点S1和S2到终点T的最短路的最小绝对差。 (1≤n≤1000,1≤m≤2000,1≤k≤100) (1\leq n\leq 1000,1\leq m\leq 2000,1\leq k\leq 100) S1 S_1和 S2 S_2到 T T的最短路将会是如 j×x+disj\t

Aizu 2538 Stack Maze【记忆化搜索】

其实我并不知道我的姿势算是什么。 一开始想着用二维的记忆化搜索,用 dp[x][y] dp[x][y]表示 (x,y)→(H,W) (x,y)\rightarrow(H,W)能够得到的最大happy值。但是很遗憾的是,这样没法记录,在前进的路上,我有多少个宝石、能够经过多少宝石洞。 所以就想着如何记录,最后发现难以记录。如果是这样的记忆化搜索,时间复杂度大约是 O(n2) O(n^2),那么就

Segment anything in medical images

原文:Segment anything in medical images 作者:Jun Ma, YutingHe, FeifeiLi, Lin Han, Chenyu You, Bo Wang 作者单位:The University of Toronto,University Health Network 期刊/会议:2024th nature communications 引用格式:M

Medical image registration(section7)

7. 体素相似度量intramodality配准         在第6章我们介绍了通过优化一个体素相似度量来对相同模型影像进行配准。由于配准中图像强度的相似性,subtraction, correlation和ratio techniques都能够直观的描述。但在intermodality配准中情况就完全不一样了。一般情况下,影像A和影像B的强度之间并没有简单的对应关系。根据第2章内容,强

Medical image registration(section6)

6. 体素相似度量intramodality配准         体素相似度量(Similarity measure)配准涉及通过优化一些估量来计算配准变换T,不同于点和表面这些衍生自影像中的几何结构,它直接从体素值(或是像素值)计算得来。正如第2节所属,使用体素相似性度量,我们几乎总是在迭代确定T,而在点的配准或是表面匹配中我们先确定相应的特征,然后直接或是从这些特征中迭代确定T,最后推断出T。

Medical image registration(section5)

5. 使用几何特征的刚体配准算法 5.2. 表面匹配         边界或物体表面,在医疗影像中往往是更明显的地标,大量的分割算法都可以成功找到这样的高对比度表面。在大多数成像方式中,人体和空气之间的边界是有着高对比度的,从中找到皮肤表面易如反掌。这完全不同于核医学发射断层扫描和一些回波平面磁共振影像的示踪剂。如果可以从两个影像中自动分割出能够组合的等效表面,那么我们就可以通过拟合这些表面来实

The Role of Subgroup Separability in Group-Fair Medical Image Classification

文章目录 The Role of Subgroup Separability in Group-Fair Medical Image Classification摘要方法实验结果 The Role of Subgroup Separability in Group-Fair Medical Image Classification 摘要 研究人员调查了深度分类器在性能上的差异