【NWERC2015】【BZOJ4426】BetterProductivity最大生产率

探讨如何在给定员工上下班时间及生产线数量的情况下,通过合理的人员分配实现工厂最大生产效率。

Description

ACME Inc. is reorganizing their factory, in order to maximize their productivity of useless trinkets. The new factory design consists of p independent and identical production lines. Each production line can be assigned some number of workers.
The actual work is of course all done by machines, so the production rate of a production line is independent of the actual number of workers assigned to it. However, the workers work in shifts, and due to local safety regulations, a production line can only be active while all of its workers are present (any worker who arrives before the last person to arrive, or leaves after the first person leaves, will be spending the inactive time having a coffee break). In other words, the productivity of a production line equals the length of the timespan during which all of the workers assigned to this production line are present. Crucially, the productivity of each line must be positive (i.e., the last worker to arrive for a line must arrive strictly before the first worker for that line leaves), since otherwise the workers feel that their jobs are meaningless.
Unfortunately, due to some pesky labor laws, ACME are not allowed to fire any of their workers, which means that each of their n workers must be assigned to some production line, even though this may actually decrease the overall productivity of the factory.
All these rules and regulations are making a headache for ACME management. Can you help them figure out the maximum possible total productivity (sum of productivities of the p production lines) of their new factory?
ACME公司正在重组他们的工厂,以最大化他们生产无用的小饰品的效率。新工厂由相同的p个独立生产线组成。每一条生产线都可以被分配一些员工。
实际的工作都是由机器完成,所以一条生产线的效率是由分配给它的员工数量决定的。但是,员工们轮班工作,而且由于当地安全法规定,一条生产线只有在被分配给它的员工都正在工作岗位上时,才能开启(任何比最后到的员工先到或比最先离开的员工后离开的员工,会用时间来喝咖啡休息)。换句话说,生产线的生产效率等于它的所有员工都在岗位上的时间长度。最重要的是,生产线的生产效率必须为正数(即最晚到达的员工到达的时间必须严格早于最早离开的员工离开的时间),否则工人们会认为他们的工作没有意义。
不幸的是,由于讨厌的劳动法,ACME不能解雇他们的员工,这就意味着,他们的n个员工每一个都要分配到某一个生产线,即使这会降低工厂的生产率。
这些规定正使ACME的高层们头疼,你能帮他们弄清他们的新工厂的最大生产率(p个生产线生产率总和)吗?
Input

The input consists of:
• one line containing two integers n and p (1≤p≤n≤2001≤p≤n≤200), the number of employees and the number of production lines;
• n lines each containing two integers a and b(0≤a< b≤1000000≤a< b≤100000), representing a worker that arrives at time a and leaves at time b.
You may assume that there exists at least one valid assignment of workers to production lines.
输入包括:
第一行包括两个整数n和p(1<=p<=n<=200),n是员工数量,p是生产线数量。
接下来n行每行包括两个整数a和b(0<=a< b<=100000),描述了一个员工在a时刻到达,b时刻离开。
你可以认为至少存在一个有效解。
Output

Output the maximum productivity level possible for the factory.
输出这个工厂可能的最大生产率。
Sample Input

4 2

1 3

1 5

4 6

2 7
Sample Output

4

HINT

Source

区间DP.
这里写图片描述
这里写图片描述
其中DP具有决策单调性,考虑分治优化即可.
看不懂题解的小朋友左转Claris题解.
Claris的题解

#include<iostream>
#include<cstdio>
#include<cstring>
#include<cmath>
#include<algorithm>
#define MAXN 210
#define MAXINT 0x7fffffff
#define GET (ch>='0'&&ch<='9')
using namespace std;
int n,p,tp[2],ans=-MAXINT;
int sum[MAXN],f[MAXN][MAXN];
struct stuff    {   int l,r;    }s[MAXN],q[2][MAXN];
inline bool cmp1(stuff a,stuff b)   {   return a.l<b.l; }
inline bool cmp2(stuff a,stuff b)   {   return a.r-a.l+1>b.r-b.l+1; }
inline void in(int &x)
{
    char ch=getchar();x=0;
    while (!GET)    ch=getchar();
    while (GET) x=x*10+ch-'0',ch=getchar();
}
void solve(int now,int l,int r,int dl,int dr)//status l,r  decision dl,dr
{
    int mid=(l+r)>>1,dmid=dl,maxn=ans;
    for (int i=min(mid-1,dr);i>=dl;i--)
    {
        if (q[0][i+1].r<=q[0][mid].l)   break;
        int t=f[now-1][i]+q[0][i+1].r-q[0][mid].l;
        if (t>=maxn)    maxn=t,dmid=i;
    }
    f[now][mid]=maxn;
    if (l<mid)  solve(now,l,mid-1,dl,dmid);
    if (r>mid)  solve(now,mid+1,r,dmid,dr);
}
int main()
{
    in(n);in(p);
    for (int i=1;i<=n;i++)  in(s[i].l),in(s[i].r);
    for (int i=1;i<=n;i++)
    {
        int flag=0;
        for (int j=1;j<=n;j++)  if (s[i].l<=s[j].l&&s[i].r>=s[j].r&&(s[i].l!=s[j].l||s[i].r!=s[j].r||i<j))  {   flag=1;break;   }
        q[flag][++tp[flag]]=s[i];
    }
    sort(q[1]+1,q[1]+tp[1]+1,cmp2);
    for (int i=1;i<=tp[1];i++)  sum[i]=sum[i-1]+q[1][i].r-q[1][i].l;
    sort(q[0]+1,q[0]+tp[0]+1,cmp1);
    for (int i=1;i<=tp[0];i++)  f[0][i]=-MAXINT;
    for (int i=1;i<=p;i++)  f[i][0]=-MAXINT;
    for (int i=1;i<=p;i++)  solve(i,1,tp[0],0,tp[0]);
    for (int i=1;i<=p;i++)  if (p-i<=tp[1]&&f[i][tp[0]]>=0) ans=max(ans,f[i][tp[0]]+sum[p-i]);
    cout<<ans<<endl;
}
内容概要:本文围绕“考虑隐私保护的分布式联邦学习电力负荷预测研究”展开,提出了一种融合联邦学习框架与隐私保护机制的电力负荷预测方法,旨在解决传统集中式数据处理中潜在的用户隐私泄露问题。通过构建分布式模型训练体系,各参与方在本地完成模型训练,仅向中心服务器上传模型参数或梯度信息,实现“数据不动模型动”的协同建模模式,确保数据“可用不可见”。研究采用Python语言实现了完整的联邦学习流程,涵盖客户端本地训练、全局模型聚合、隐私保护策略(如差分隐私或同态加密)集成、通信机制设计及预测性能评估等核心模块,显著提升了电力负荷预测在隐私安全与模型精度之间的平衡能力。; 适合人群:具备Python编程基础和机器学习基础知识,从事电力系统、智能电网、能源大数据分析、数据隐私保护等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于居民或工业级电力负荷预测任务,在保障用户用电数据隐私的前提下实现高精度预测;②为构建符合数据合规要求的智慧能源管理系统提供技术支撑;③推动联邦学习在能源互联网、跨企业数据协作等场景中的落地应用,促进多方协同建模与数据价值释放。; 阅读建议:建议读者结合文中提供的Python代码进行实践操作,重点关注联邦学习的通信轮次设置、本地训练迭代策略、模型聚合算法设计以及隐私噪声添加机制的实现细节,并可根据实际需求替换底层预测模型(如LSTM、XGBoost、Transformer等)以进一步优化预测性能。
内容概要:本文介绍了一种基于噪声抑制半监督学习的锂离子电池SOH(State of Health,健康状态)估计方法的Python代码实现,旨在通过结合半监督学习框架与噪声抑制技术,提升电池健康状态预测的准确性与鲁棒性。该方法充分利用少量有标签样本和大量无标签数据进行模型训练,有效缓解了实际应用中电池老化数据标注成本高、获取困难的问题。文中详细阐述了模型的整体架构设计、关键特征提取策略、噪声处理机制以及半监督学习中的损失函数构建,并提供了完整的可复现代码,便于研究人员理解和二次开发。; 适合人群:具备一定机器学习理论基础和Python编程能力,从事电池管理系统(BMS)、新能源汽车、储能系统等领域的科研人员或工程师,尤其适用于关注电池寿命预测、状态估计及数据驱动建模的研究生与青年学者。; 使用场景及目标:①实现锂离子电池健康状态的高精度估计,服务于电池管理系统的优化与安全预警;②为工业场景下标注数据稀缺的退化建模问题提供一种高效的半监督解决方案;③推动复杂噪声环境下电池性能退化预测的研究进展,增强模型在真实工况中的泛化能力和稳定性; 阅读建议:建议读者结合所提供的Python代码逐模块深入学习,重点理解数据预处理流程、噪声抑制模块的设计原理以及半监督损失函数的实现细节,同时可在不同公开电池数据集上进行迁移实验与对比分析,以全面掌握该方法的有效性与适用边界。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值