用动态规划法对具有一定数量监督人员的最大值项目进行监督
我有个问题要解决。我有n个项目，每个项目都有一个v值，放在一行中。然后我有k个监督项目，一个在x位置的监督项目可以监督项目x-1，x，X1。我想计算的是k主管使用动态规划可以监督的最大值。
n={1,2,3,4}v={7,10,5,8}这意味着一个职位1的主管的总价值-
那么，如何计算给定数量的监管者所能覆盖的最大值呢
在本例中，1个主管的最大值为23，2个主管的最大值为36（选择1）
我尝试过利用背包问题，但后来我陷入了如何解决覆盖范围的重叠。
我也尝试过使用加权间隔调度问题，但它只适用于计算总最大值，而不是k个间隔的最大值。
我非常感谢你给我提供的关于如何用动态规划解决这个问题的建议。
共有1个答案
一个人
A=DP[i][j 1]//这涵盖了最后一位主管在i-1或早期的所有情况
b=DP[i-2][j]val（i-1）val（i）val（i 1）//将监督员放在i
C=DP[i-1][j]val（i）val（i 1）//放置监督员在i 1
这给了O（n*k）
-
问题内容： 查询以查找负责最大员工人数的经理的姓名？ 补充： 这是唯一的表。是自我参照。DB是mysql。递归查询也可以。 问题答案： 我不清楚您想要什么，所以如果这不是您想要的，请澄清您的问题。 如果存在平局，此查询仅返回经理之一： 查询结果： 这是一个查询，该查询在出现并列的情况下以并列的最大数量获取所有经理： 第二个查询的结果： 这是我的测试数据：
-
本文向大家介绍监督学习和无监督学习的区别相关面试题，主要包含被问及监督学习和无监督学习的区别时的应答技巧和注意事项，需要的朋友参考一下 参考回答： 输入的数据有标签则为监督学习,输入数据无标签为非监督学习。
-
监督学习的目标是建立一个学习过程，将预测结果与“训练数据”（即输入数据）的实际结果进行比较，不断的调整预测模型，直到模型的预测结果达到一个预期的准确率，包括分类、回归等问题。而常用算法包括线性回归、决策树、贝叶斯分类、最小二乘回归、逻辑回归、支持向量机、神经网络等。 监督学习的整个训练流程如下图所示
-
球门 我对机器学习相当陌生，经过一些在线教育后，这是我的第一个真正的项目。这是一个叫做Ouril的游戏，在这个游戏中，你和你的对手各有六个“房子”,里面有四块起始石头。你轮流玩一个房子和分配它的石头，这可能会让你获得对手的石头。你赢得了25块石头。 该项目的目标是拥有一个经过训练的函数，可以在给定当前游戏状态的情况下预测一个动作的好坏，以便机器人可以选择最好的预测动作并进行游戏。 安装程序 我构建
-
人员监控即对人员位置的实时监控，和位置的历史轨迹查询 操作步骤如下： 1.首先需要在“协作/权限”模块——“监控成员”里，添加需要被监控的成员；可对成员列表进行管理，一键开启监控，或者一键关闭； 成员状态分为三类：离线状态、在线状态、 未监控状态 2.开启监控后，到“位置监控”模块——“人员监控”查看；被监控人员开启APP端位置上报后，在地图上即可显示头像，点击可查看本人信息，及当前位置 注意：
-
概率图模型 规则学习 聚类 集成学习