1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55

static class Goods{
        long w;
        long v;
        long c;

        Goods(long w,long v,long c){
            this.w = w;
            this.v = v;
            this.c = c;
        }
    }


    public static void main(String[] args) throws IOException{
        BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
        PrintWriter out = new PrintWriter(new OutputStreamWriter(System.out));

        int n = Integer.parseInt(br.readLine().trim());

        Goods[] goods = new Goods[n];
        long total = 0;
        for(int i=0;i<n;i++){
            String[] str = br.readLine().trim().split("\\s+");
            long w = Long.parseLong(str[0]);
            long v = Long.parseLong(str[1]);
            long c = Long.parseLong(str[2]);

            goods[i]=new Goods(w, v,c);
            total += v;
        }

        Arrays.sort(goods,(x,y)->Long.compare(x.c*y.w, y.c*x.w));

       // 总实际体积 = 初始体积总和 - sumCW，因此最大化sumCW是实现最小体积的关键
        long sumCW = 0;
        // 记录当前遍历商品的「上方总重量」，初始为0（第一个商品在最顶部，上方无重量）
        long upperWeight = 0;

        // 按"从上到下"的堆叠顺序遍历排序后的商品
        for (Goods g : goods) {
            // 计算当前商品的压缩贡献值：c_i × 上方总重量（W_i）
            // 这里必须先计算贡献，再更新上方重量（避免把当前商品算入自己的上方）
            sumCW += g.c * upperWeight;

            // 更新上方总重量：当前商品会成为后续商品的"上方重量"，需累加其重量
            upperWeight += g.w;
        }

        long res = total -sumCW;

        out.println(res);
        out.flush();
        out.close();
        br.close();
    }