博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
CodeForces 416B
阅读量:4286 次
发布时间:2019-05-27

本文共 610 字,大约阅读时间需要 2 分钟。

/*题意:有n个画家,有m幅画需要完成,每幅画都有n个画家完成,画家们采用流水线的方式作业,给出每幅画经过每个画家的所需要的时间,问说每幅画被完成的时间。画必须按照序号被完成*/#include
#include
#include
using namespace std;int dp[50005][10];int main(){ int n,m,cur; while(~scanf("%d%d",&n,&m)) { memset(dp,0,sizeof(dp)); for(int i = 1;i <= n;i++) { for(int j = 1;j <= m;j++) { scanf("%d",&cur); dp[i][j] = max(dp[i-1][j],dp[i][j-1]) + cur;//记录第j个画家画完第i幅画需要用的时间; } } for(int i = 1;i < n;i++) printf("%d ",dp[i][m]); printf("%d\n",dp[n][m]); }}

转载地址:http://tfsgi.baihongyu.com/

你可能感兴趣的文章
Latex公式及编号
查看>>
Python __future__ 模块
查看>>
TensorFlow入门学习(让机器/算法帮助我们作出选择)
查看>>
把项目从Python2.x移植到Python3.x的经验总结
查看>>
如何在python下安装xgboost
查看>>
xgboost特征选择
查看>>
kaggle数据挖掘竞赛初步--Titanic&lt;数据变换&gt;,kaggle--titanic
查看>>
XGBoost-Python完全调参指南-参数解释篇
查看>>
【scikit-learn】scikit-learn的线性回归模型
查看>>
广告点击率预测 [离线部分]
查看>>
广告点击率预估中的特征选择
查看>>
数据科学入门,使用 xgboost 初试 kaggle
查看>>
sklearn的train_test_split
查看>>
xgboost入门与实战(实战调参篇) 标签: xgboostpythonkaggle机器学习
查看>>
[scikit-learn] 特征二值化编码函数的一些坑
查看>>
使用sklearn优雅地进行数据挖掘
查看>>
Python SciPy Sparse模块学习笔记
查看>>
Python的字符串
查看>>
Kaggle实战(二)
查看>>
特殊矩阵(8):Vandermonde 矩阵
查看>>