17098 广告牌最佳安放问题

这个问题可以通过动态规划来解决。我们可以定义一个数组d,其中d[i]表示到第i个广告牌地点时可以选择放置广告牌的最大效益值。然后我们可以通过遍历所有可能的j(1 <= j <= i && x[i] - x[j] > 5),然后更新d[i]为max(d[i-1], d[j] + r[i])。

以下是解题步骤:

  1. 初始化数组:首先,我们需要初始化一个数组d,并将d[1]设置为r[1]。

  2. 动态规划:然后,我们可以使用动态规划来更新d数组。对于每一个i(i > 1),我们可以遍历所有可能的j(1 <= j <= i && x[i] - x[j] > 5),然后更新d[i]为max(d[i-1], d[j] + r[i])。

  3. 输出结果:最后,d[n]就是我们要求的最大效益值。

以下是使用C++实现的代码:

cpp 复制代码
#include <iostream>
#include <algorithm>
using namespace std;

const int MAXN = 100001;
int x[MAXN], r[MAXN], d[MAXN];

int main() {
    int M, n;
    cin >> M >> n;
    for (int i = 1; i <= n; ++i) {
        cin >> x[i];
    }
    for (int i = 1; i <= n; ++i) {
        cin >> r[i];
    }
    d[1] = r[1];
    for (int i = 2; i <= n; ++i) {
        d[i] = d[i - 1];
        for (int j = 1; j < i; ++j) {
            if (x[i] - x[j] > 5) {
                d[i] = max(d[i], d[j] + r[i]);
            }
        }
    }
    cout << d[n] << endl;
    return 0;
}

这段代码首先读取公路长度和广告牌的总数,然后读取每个广告牌的位置和收益。然后,它使用动态规划的方法来计算最大的收益。最后,它输出最大的收益。

相关推荐
Hcoco_me13 小时前
RTMPose_JSON相关解读
算法·数据挖掘·json·聚类
高洁0113 小时前
DNN案例一步步构建深层神经网络(二)
人工智能·python·深度学习·算法·机器学习
Insight.13 小时前
背包问题——01背包、完全背包、多重背包、分组背包(Python)
开发语言·python
aini_lovee13 小时前
改进遗传算法求解VRP问题时的局部搜索能力
开发语言·算法·matlab
合方圆~小文13 小时前
4G定焦球机摄像头综合介绍产品指南
数据结构·数据库·人工智能
Yeniden14 小时前
Deepeek用大白话讲解 --> 迭代器模式(企业级场景1,多种遍历方式2,隐藏集合结构3,Java集合框架4)
java·开发语言·迭代器模式
老蒋新思维14 小时前
反脆弱性设计:创始人IP与AI智能体如何构建愈动荡愈强大的知识商业|创客匠人
人工智能·网络协议·tcp/ip·算法·机器学习·创始人ip·创客匠人
SmoothSailingT14 小时前
C#——LINQ方法
开发语言·c#·linq
景川呀14 小时前
Java的类加载器
java·开发语言·java类加载器
Salt_072814 小时前
DAY 36 官方文档的阅读
python·算法·机器学习·github