当前位置: 首页 > news >正文

马蹄集 BD202401补给

可怕的战争发生了,小度作为后勤保障工作人员,也要为了保卫国家而努力。

现在有 N(1≤N≤10^{3})个堡垒需要补给,然而总的预算 B(1≤B≤10^{9})是有限的。

现在已知第 i 个堡垒需要价值 P(i) 的补给,并且需要 S(i) 的运费。
鉴于小度与供应商之间长期稳定的合作关系,供应商慷慨地提供了一次特别的采购优惠。具体而言,小度可以选择对某次补给进行半价采购。
这意味着,如果小度决定在向第 i 个堡垒提供补给时利用这一优惠,那么此次补给的采购及运输总费用将减少至 ⌊P(i)/2⌋+S(i),其中优惠价格按照向下取整的原则计算。
对于其他堡垒 j,补给的采购和运输费用则保持不变,即 P(j)+S(j)。

请计算小度的最多能给多少堡垒提供补给?

格式

输入格式:

第1行2个整数:N 和 B 。(1≤N≤10^{3},1≤B≤10^{9});
第2到 N+1 行:第 i+1 行包含两个空格分隔的整数,P(i)和S(i)。(0≤P(i),S(i)≤10^{9})。

输出格式:

1 行 1 个整数表示能提供补给的最大数。

样例 1

输入:

5 29
6 3
2 8
10 2
1 2
12 5

输出:

4

贪心:

按照 p和s 的总和升序排序,剩余的预算不够时,看是否满足 剩余的预算>下一个堡垒的p/2,满足则ans++

#include<bits/stdc++.h> 
using namespace std;const int N = 1e3+10;
int n, b;
int ans;struct BL
{int p;int s;
}bl[N];bool cmp(BL x, BL y)
{return x.p+x.s < y.p+y.s;
}int main()
{cin>>n>>b;for(int i=1; i<=n; ++i) cin>>bl[i].p>>bl[i].s;sort(bl+1, bl+n, cmp);for(int i=1; i<=n; ++i){if(b > bl[i].p+bl[i].s){b -= bl[i].p+bl[i].s;ans++;}else if(b > bl[i].p/2+bl[i].s){b -= bl[i].p/2+bl[i].s;ans++;}else break;}cout<<ans<<endl;return 0;
}
http://www.xdnf.cn/news/1119115.html

相关文章:

  • Elasticsearch 9.x 升级变化
  • Swift 解 LeetCode 326:两种方法判断是否是 3 的幂,含循环与数学技巧
  • APK安装器(安卓端)一键解除VX限制!轻松安装各种手机应用
  • 一键获取android公钥/ios公钥工具
  • Java面试总结(经典题)(Java多线程)(一)
  • 基于Hadoop的竞赛网站日志数据分析与可视化(上)
  • 八、nginx搭建,实现vue跳转nginx跳转gateway
  • 基于hadoop的竞赛网站日志数据分析与可视化(下)
  • pycharm恢复出厂设置,可以解决大多数pycharm存在的问题
  • idea下无法打开sceneBulider解决方法
  • LINUX714 自动挂载/nfs;物理卷
  • Relocations in generic ELF (EM: 40)
  • OPENPPP2 VEthernet 网络协议堆栈(CTCP)VNetStack 深度技术解析
  • #Paper Reading# Apple Intelligence Foundation Language Models
  • 硬件工程师笔试面试高频考点汇总——(2025版)
  • ROS2中的QoS(Quality of Service)详解
  • Lucene原理
  • Linux | 数据库操作基础
  • 从文本中 “提取” 商业洞察“DatawhaleAI夏令营”
  • MCP 服务开发到发布
  • 1.1.5 模块与包——AI教你学Django
  • 大模型微调(一):基于Swift框架进行自我认知微调(使用Lora微调Qwen3-8B模型)
  • 系规备考论文:论IT服务部署实施方法
  • 17.使用DenseNet网络进行Fashion-Mnist分类
  • 【数据结构】图 ,拓扑排序 未完
  • INA226 数据手册解读
  • HTTP与HTTPS详解
  • 闲庭信步使用图像验证平台加速FPGA的开发:第十二课——图像增强的FPGA实现
  • opencv4.12 vs2022 cmake contrib编译
  • 基于MATLAB的Lasso回归的数据回归预测方法应用