博客
关于我
sdut 懒虫小鑫(快排里面,再加一个排序)
阅读量:780 次
发布时间:2019-03-25

本文共 582 字,大约阅读时间需要 1 分钟。

小鑫有n块矿石,每块矿石有两个属性:重量w和价值p。他每天能卖m块矿石,每次都会选重量最小的,如果多个重量相同则选价值高的。我们的目标是计算他能卖出m块矿石后所能得到的总价值。

首先,我们对所有矿石按照重量从小到大排序,同重量时按价值从高到低排序。这样排列后,前m个矿石的价值总和就是最大化的。这是因为在保证每天卖的都是重量最轻的前提下,这样能在总重量最小的前提下获得最大的价值。

具体步骤:

  • 将所有矿石按重量从小到大排序,当重量相同时,按价值从高到低排序。
  • 取前m个矿石,计算它们的价值总和。
  • 这样可以确保总价值最大化。对于输入的矿石,进行上述排序后,计算总和即可。

    现在,来看具体实现。首先,对输入的矿石进行排序,然后取前m个,计算它们的价值之和。

    代码示例如下:

    n, m = map(int, input().split())stones = []for _ in range(n):    w, p = map(int, input().split())    stones.append((w, p))# 按重量升序,价值降序排序stones.sort(key=lambda x: (x[0], -x[1]))total = sum(p for w, p in stones[:m])print(total)

    这样,我们就能得到小鑫总能赚到的最多钱数。

    转载地址:http://bjbuk.baihongyu.com/

    你可能感兴趣的文章
    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>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>