新闻详情

新闻详情

首页 / 资讯中心 / 详情

牛客 题目ID13228 倒水 题解 贪心思想

发布时间:2026/11/15 6:17:00来源:尧图网络
牛客 题目ID13228 倒水 题解 贪心思想
题解:这题最开始是朝着二分的方向去想的对温度进行二分求解答案但想了好久感觉二分的check函数不好写而且感觉精度也可能会有比较大的丢失。正解是贪心思想先将n杯水的最大温度maxT和最小温度minT先存起来将水缸和n杯水杯里的水全部混在一起会得到一个混合后的温度endT将这个温度和之前得到最大温度以及最小温度进行比较这里分三种情况:①混合后后温度低于最小温度即minTendT这种情况一定可以保证水缸水够用并且能让所有的水杯里的水都下降温度那么要得到最大的相同温度只需将全部里的水杯都混合成最小的温度minT即可。②混合后后温度高于最大温度即maxTendT这种情况一定可以保证水缸水够用并且能让所有的水杯里的水都上升温度那么要得到最大的相同温度这时的endT就是最大的相同温度了。③混合后的温度介于最大温度和最小温度之间即minTendTmaxT这时是不存在成立的情况的我开始也没想明白后面细想了一下我们来分析一下如果minT要达到endT那么混入这杯水里进去的水的水温肯定要大于endT的这样混合后才有可能达到endT同理若要maxT达到endT那么混入这杯水里进去的水的水温肯定要小于endT的这就矛盾了因此这种情况就一定不存在了。下面附上AC代码#includebits/stdc.husingnamespacestd;pairdouble,doubletc[100005];intmain(){intn;scanf(%d,n);doubleT,C;scanf(%lf%lf,T,C);doubleMint1e45,Maxt-1;doublenowtT*C,nowcC;for(inti1;in;i){scanf(%lf%lf,tc[i].first,tc[i].second);Mintmin(Mint,tc[i].first);Maxtmax(Maxt,tc[i].first);nowttc[i].first*tc[i].second;nowctc[i].second;}nowt/nowc;if(Mintnowt){printf(Possible\n%.4lf,Mint);}elseif(Maxtnowt){printf(Possible\n%.4lf,nowt);}else{printf(Impossible\n);}return0;}
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉