淘宝流量分配(动态规划)
2017-10-15 20:02
106 查看
假设队列当前一共有 nn 个任务待分配,第 ii 个任务的预计处理时间为 a_i(1
\leq i \leq n)ai(1≤i≤n)。由于服务存在冷启动问题,越靠后的进程,预计处理时间越短。而队列中的 最后一个任务 因为比较特殊,预计处理时间和之前的任务 无关。即前 n-1n−1 个任务的预计处理时间满足 a_1
> a_2 > ... > a_{n-1}a1>a2>...>an−1。现在要从中选出一个任务列表,不能有任何两个任务在原队列中相邻。计算选出的任务队列预计处理时间之和的最大值。
输入格式
输入第一行有一个整数 n(1
\leq n \leq 10^{4})n(1≤n≤104),表示任务总数。
输入第二行有 nn 个整数 a_i(0
\leq a_i \leq 10^{4})ai(0≤ai≤104),表示每个任务的预计处理时间。
输出格式
输出一个整数,表示选出的任务的预计处理时间之和的最大值。
b[i]表示前i个数的无相邻的最大值,对a[i]而言,b[i]中可以包含a[i]也可以不包含。如果b[i]包含a[i]则b[i]一定不包含a[i-1](因为不能相邻),所以b[i]=b[i-2]+a[i].如果b[i]不包含a[i],则b[i]=b[i-1].
b[0], i=0;
b[i ]= max(b[0],b[1]), i=1;
max(b[i-1],b[i-2]+a[i]) , i>=2;
#include<iostream>
using namespace std;
int main()
{
int n;
cin>>n;
int a
,b
;
for(int i=0;i<n;i++)
cin>>a[i];
b[0]=a[0];
b[1]=max(a[1],a[0]);
int maxtime=0;
for(int i=2;i<n;i++)
{
b[i]=max(b[i-1],b[i-2]+a[i]);//b[i]表示前i项的最大值
}
cout<<b[n-1]<<endl;
}
\leq i \leq n)ai(1≤i≤n)。由于服务存在冷启动问题,越靠后的进程,预计处理时间越短。而队列中的 最后一个任务 因为比较特殊,预计处理时间和之前的任务 无关。即前 n-1n−1 个任务的预计处理时间满足 a_1
> a_2 > ... > a_{n-1}a1>a2>...>an−1。现在要从中选出一个任务列表,不能有任何两个任务在原队列中相邻。计算选出的任务队列预计处理时间之和的最大值。
输入格式
输入第一行有一个整数 n(1
\leq n \leq 10^{4})n(1≤n≤104),表示任务总数。
输入第二行有 nn 个整数 a_i(0
\leq a_i \leq 10^{4})ai(0≤ai≤104),表示每个任务的预计处理时间。
输出格式
输出一个整数,表示选出的任务的预计处理时间之和的最大值。
样例输入1
5 4 3 2 1 5
样例输出1
11
样例输入2
4 5 3 1 9
样例输出2
14
b[i]表示前i个数的无相邻的最大值,对a[i]而言,b[i]中可以包含a[i]也可以不包含。如果b[i]包含a[i]则b[i]一定不包含a[i-1](因为不能相邻),所以b[i]=b[i-2]+a[i].如果b[i]不包含a[i],则b[i]=b[i-1].
b[0], i=0;
b[i ]= max(b[0],b[1]), i=1;
max(b[i-1],b[i-2]+a[i]) , i>=2;
#include<iostream>
using namespace std;
int main()
{
int n;
cin>>n;
int a
,b
;
for(int i=0;i<n;i++)
cin>>a[i];
b[0]=a[0];
b[1]=max(a[1],a[0]);
int maxtime=0;
for(int i=2;i<n;i++)
{
b[i]=max(b[i-1],b[i-2]+a[i]);//b[i]表示前i项的最大值
}
cout<<b[n-1]<<endl;
}
相关文章推荐
- 2016计蒜之道-初赛-第四场-A-淘宝流量分配
- 计蒜之道第四场第一题:淘宝流量分配
- 计蒜客 淘宝流量分配 3-7
- 2016计蒜之道初赛第四场---------淘宝流量分配【水题】
- 淘宝标签推荐流量算法解读
- 淘宝卖家:流量暴跌谢谢淘宝给我们提前放假
- 动态规划之糖果分配
- 机器分配(动态规划)
- 百度流量居国内网站榜首 腾讯淘宝位列二、三名
- hdu3572 任务分配/最大流量推论全流
- 一个刷淘宝店铺流量的小外挂
- 动态规划求解资源最优分配问题
- 机器分配(动态规划)
- 让你的淘宝网店每天增加500~1000个流量的方法
- 一个为无阻流量规则分配与端点规则实施而设计的通用最优化框架(一)
- 一个为无阻流量规则分配与端点规则实施而设计的通用最优化框架(三)
- Codeforces 546E Soldier and Traveling (最大流+输出流量分配方案)
- 淘宝爆款的误区,怎么合力打造爆款流量