【Codeforces725F】Family Photos {贪心}

在一场关于旧家庭照片归属权的游戏中,两位玩家Alice和Bonnie通过轮流选取照片来最大化自己相对于对方的幸福感差距。游戏涉及两堆照片的选择策略,通过预处理排除无效选项并采用贪心算法确定最优策略。

Description

Alice and Bonnie are sisters, but they don’t like each other very much. So when some old family photos were found in the attic, they started to argue about who should receive which photos. In the end, they decided that they would take turns picking photos. Alice goes first.
There are n stacks of photos. Each stack contains exactly two photos. In each turn, a player may take only a photo from the top of one of the stacks.
Each photo is described by two non-negative integers a and b, indicating that it is worth a units of happiness to Alice and b units of happiness to Bonnie. Values of a and b might differ for different photos.
It’s allowed to pass instead of taking a photo. The game ends when all photos are taken or both players pass consecutively.
The players don’t act to maximize their own happiness. Instead, each player acts to maximize the amount by which her happiness exceeds her sister’s. Assuming both players play optimal, find the difference between Alice’s and Bonnie’s happiness. That is, if there’s a perfectly-played game such that Alice has x happiness and Bonnie has y happiness at the end, you should print x - y.

Input

The first line of input contains a single integer n (1 ≤ n ≤ 100 000) — the number of two-photo stacks. Then follow n lines, each describing one of the stacks. A stack is described by four space-separated non-negative integers a1, b1, a2 and b2, each not exceeding 109. a1 and b1 describe the top photo in the stack, while a2 and b2 describe the bottom photo in the stack.

Output

Output a single integer: the difference between Alice’s and Bonnie’s happiness if both play optimally.

Examples input

2
12 3 4 7
1 15 9 1

Examples output

1

Examples input

2
5 4 8 8
4 12 14 0

Examples output

4

Examples input

1
0 10 0 10

Examples output

-10


【题目大意】有n堆照片,每堆两张,必须先取上面的照片后才能取下面的。有两个人A、B轮流取照片,这两个人对每张照片的开心度不同,每次可以取也可以跳过,当所有的照片都被取光或者两个人都选择跳过的时候游戏结束。A先手,两人都采取最优策略。问两人最后开心度的最大差值。

【题解】贪心//话说贪心真的难到炸了QAQ

(一)要把当前所有能导致跳过的操作先处理掉;
如果有一堆照片,A、B两人对于上下两张照片的开心度分别为(a1,a2), (b1,b2),此时有以下几种情况:
<1> a1+b1>=a2+b2 → a1-b2>=b1-a2
这种情况下,两人都不会跳过。因为A取的话能增大差值,而B取则能减小差值。这种情况已经满足。
<2> a1+b1< a2+b2
此时又能分成三种情况:
① a1>b2 此时,两人无论是谁先取都不会更优。所以一定会等到只剩下这样的情况时,A无法跳过,否则游戏结束,这种情况对答案的贡献为a1-b2;
② b1>a2 同上可得,这样的情况对答案的贡献为a2-b1;
③ a1< b2 且 b1< a2,这样的照片堆对答案没有贡献,可以直接删除。
经过以上讨论,我们可以处理掉情况<2>。

(二)目前仅剩下a1+b1>=a2+b2 的照片堆。考虑剩下照片对答案的贡献。若照片被A取走,对答案的贡献就是 a,若照片被B取走,对答案的贡献就是 -b。所以考虑将 a+b 从打到小排序,将第奇数张给A,第偶数张给B。即可得到答案。


#include <cstdio>
#include <algorithm>
#define LL long long
LL n,m,ans,t[200005];
int main()
{
    scanf("%lld\n",&n);
    for (int i=1;i<=n;++i)
    {
        LL a,b,c,d;
        scanf("%lld%lld%lld%lld\n",&a,&b,&c,&d);
        if (a+b>=c+d) t[++m]=a+b,t[++m]=c+d,ans+=a+c;
        else if (a>d) ans+=a-d;
        else if (b>c) ans+=c-b;
    }
    std::sort(t+1,t+m+1);
    for (int i=1;i<=m;i+=2) ans-=t[i];
    printf("%lld\n",ans); 
    return 0;
}

【题外话】贪心。。好难。。

内容概要:本文介绍了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。该方法融合半监督学习框架与先进的噪声抑制机制,旨在利用少量标注样本大量未标注数据,有效提升电池健康状态预测的精度与模型鲁棒性,特别适用于实际工程中电池老化数据标注成本高、样本稀缺的挑战性场景。通过设计高效的特征提网络与可靠的伪标签生成及优化策略,模型能够有效识别并抑制训练过程中的噪声干扰,增强在复杂工况数据波动下的泛化能力与稳定性。; 适合人群:具备一定机器学习理论基础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、工程师,以及专注于电池寿命预测、设备状态监测与智能运维等方向的硕博研究生;; 使用场景及目标:①解决锂离子电池SOH估计中标注数据获困难、成本高昂的核心痛点;②提升模型在存在测量误差、传感器漂移或异常数据等噪声环境下的预测准确性与可靠性;③为关科研课题提供可复现、可扩展的算法基准与开源代码框架,加速算法迭代与工程落地; 阅读建议:此资源以Python代码为核心载体,强调算法的完整复现与实验验证过程,建议读者结合代码逐模块剖析模型架构、损失函数设计与训练流程细节,并积极在自有电池数据集上进行迁移学习、参数调优与性能对比,以深入掌握半监督学习与噪声抑制技术在电池退化建模中的关键应用。
内容概要:本文系统阐述了高速串行信号在传输过程中因信道损耗导致的眼图闭合问题,并介绍了主流的均衡技术解决方案。信道作为低通滤波器,会显著衰减高频分量,造成码间干扰(ISI),尤其在速率高于1GHz时更为严重。为恢复信号质量,发送端采用FFE(前馈均衡器)实施预加重或去加重,提前补偿高频损耗;接收端则结合CTLE与DFE进行二次均衡:CTLE通过模拟高通滤波器“削峰填谷”提升高频响应,而DFE利用反馈机制消除后向码间干扰,提高判决准确性。文章详细解析了各均衡模块的工作原理、电路结构、关键参数及其频率响应特性,并通过PCIe 3.0实例展示均衡前后眼图的改善效果,最后对比了不同技术的适用场景与优缺点。; 适合人群:从事高速电路设计、信号完整性分析等关领域的工程师技术人员,以及具备一定通信原理电子工程基础的研发人员; 使用场景及目标:①理解高速信号传输中的损耗机理与眼图退化成因;②掌握FFE、CTLE、DFE等均衡技术的设计原理与应用场景;③为高速接口(如PCIe、USB等)的信号完整性优化提供理论支持与实践指导; 阅读建议:建议结合仿真工具观察不同均衡参数对眼图的影响,深入理解抽头系数、零极点配置等关键参数的调节逻辑,并关注实际硬件实现中的功耗与噪声权衡问题。
内容概要:本文详细介绍了基于光伏逆变器调节的中低压配电网电压分层协调控制策略的Matlab代码实现方法,旨在应对高渗透率光伏发电接入导致的配电网电压越限问题。该策略构建了分层控制架构,上层采用集中式优化算法进行全局决策,下层则依赖本地测量信息实现快速动态响应,从而实现对多个分布式光伏逆变器的协同调控。文中系统阐述了控制模型的数学建模过程、优化求解算法的设计流程以及仿真验证方案,并基于标准测试系统开展了仿真实验,结果表明该方法在抑制电压波动、提升电压稳定性、降低网络损耗方面具有显著优势,具备良好的工程应用前景。; 适合人群:具备电力系统分析、自动控制理论及新能源并网技术等关专业知识背景,熟悉Matlab/Simulink仿真平台,从事关领域科研工作的高校研究生、科研院所研究人员及电力行业工程技术开发人员。; 使用场景及目标:①深入研究高比例分布式光伏接入背景下中低压配电网的电压控制难题;②掌握分层协调控制体系的设计理念与实现机制;③学习并实践基于Matlab的电力系统建模、优化算法编程与仿真分析技术;④为实际配电网电压调控项目提供可复现、可拓展的技术参考与解决方案支撑。; 阅读建议:建议读者结合所提供的Matlab代码与典型配电系统模型开展仿真实践,重点剖析控制架构的层级划分逻辑、通信机制设计以及优化目标函数的构建方法,同时可尝试将其拓展至多时间尺度协调控制、考虑通信延迟与数据丢包等更贴近实际的复杂应用场景中进行深入研究。
源码下载地址: https://pan.quark.cn/s/2e09cbca2d82 【针对青龙面板wxpusher推送问题的修复包】是一个为青龙面板(QL Panel)设计的更新或改进版本,其目的是纠正与wxpusher关的推送故障。青龙面板是一个被广泛应用的自动化部署及管理解决方案,它赋予用户在图形化环境中执行多种IT运维操作的能力,涵盖脚本操作、周期性任务执行以及文件处理等。wxpusher作为青龙面板的一个附加组件,承担着实现微信消息推送的任务,用以保障用户可以即时获系统关键状态变动或异常警报。 sendNotify.js 是此修复包内含的关键模块,属于wxpusher插件的一部分,其核心职责是发送各类通知。在JavaScript编程语言中,该脚本或许内含了处理推送流程、调用微信推送端点以及消息内容的格式化校验等操作。一旦青龙面板监测到新的事件状况,例如任务成功完成、发生错误或系统进入维护阶段,sendNotify.js便会被激活,将关数据传送至用户的微信账户。 ql.js 另一个重要的构成部分,可能代表了青龙面板的核心代码库或专用于wxpusher的设定文档。它或许包含了整合wxpusher的关参数,例如启动过程、授权核实、故障应对日志管理等功能。ql.js与sendNotify.js协同工作,确保wxpusher能够顺利与青龙面板进行数据交互,并可靠地向用户传递通知信息。 CK_WxPusherUid.json 这一文档很可能是储存用户信息或配置参数的JSON格式文件。"CK"通常指代Cookie或某种缓存机制,而"WxPusherUid"可能意指wxpusher用户的专属识别码。该文件用于保存用户微信推送服务的连接详情,让青龙面板可以...
源码链接: https://pan.quark.cn/s/a4b39357ea24 在Java开发中,处理大批量数据时,合理利用线程池可以显著提高程序的执行效率资源利用率。 本文将深入探讨如何在Java中使用线程池来查询大量数据,以及这样做的好处实现方法。 理解线程池的概念至关重要。 线程池是一种多线程处理形式,预先创建了若干个线程,当有任务需要执行时,会从线程池中出一个线程来执行任务,任务执行完毕后,线程返回线程池中等待新的任务。 这种机制避免了频繁创建销毁线程带来的性能开销,提高了系统的响应速度并发处理能力。 Java中的线程池主要由`java.util.concurrent`包下的`ExecutorService`接口及其实现类提供。 最常见的实现是`ThreadPoolExecutor`,它允许我们自定义线程池的核心参数,如核心线程数、最大线程数、线程存活时间等。 使用线程池查询大批量数据的基本步骤如下: 1. **创建线程池**:我们需要创建一个线程池实例。 通常,我们可以根据实际需求设置线程池参数。 例如,如果数据量大且系统资源充足,可以适当增加线程数量;反之,若系统资源有限,应控制线程数量,避免资源过度消耗。 ```java int corePoolSize = 4; int maximumPoolSize = 8; long keepAliveTime = 60L; TimeUnit unit = TimeUnit.SECONDS; BlockingQueue<Runnable> workQueue = new LinkedBlockingQueue<>(); ThreadFactory threadFactory = Executors.defa...
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