【dp】HUST-1351-Group

本文介绍了一道关于数列分割的动态规划问题,目标是最小化由每段数列的和与段数相乘后的总和。通过巧妙的状态转移方程实现高效求解。

很好的一道dp,它的状态转移真的是太巧秒了!

题意:给出一段数列,要求你将这段数列分割成最多k段且每段的个数不能少于l的数列,然后求一个和,它是由一段中所有数字的总和乘以这一段的段数,即这一段是第几段,然后把所有这样的和加起来得到的,问这个和最小是多少!

思路:先用sum[i]数组表示1到i这段数列的总和,数组dp[i][j],表示的是将1到j这段数组分割成i段的最小值。所以状态转移为:

tmp=dp[i-1][(j-1)*l]-j*sum[(j-1)*l];

{dp[i][j]=tmp+i*sum[j];

tmp=min(tmp,dp[i-1][j-l+1]-i*sum[j-l+1]);}(i*l<=j<=n)

具体思路是在前面已经分好了的i-1段的基础上再求在后面加上长度大于或等于l的数列的最小值。因为当前数列只与前一个数列有关,所以可以用滚动数组来优化内存!

#include<iostream>
#include<cstdio>
#include<cstring>
using namespace std;
#define inf (1<<30)
#define N 20005
int main()
{
    //freopen("a.txt","r",stdin);
    int t;
    scanf("%d",&t);
    while(t--)
    {
        int n,k,l;
        scanf("%d%d%d",&n,&k,&l);
        int sum[N];
        sum[0]=0;
        for(int i=1;i<=n;i++)
        {
            scanf("%d",sum+i);
            sum[i]+=sum[i-1];
        }
        int dp[2][N];
        dp[0][0]=0;
        for(int i=1;i<=n;i++)dp[0][i]=inf;
        int now=0,ans=inf;
        for(int i=1;i<=k;i++)
        {
            if(i*l>n)break;
            now=1-now;
            int tmp=dp[1-now][(i-1)*l]-i*sum[(i-1)*l];            //分i段时,第i段的最前的起点
            for(int j=i*l;j<=n;j++)
            {
                dp[now][j]=tmp+i*sum[j];            //在前面分好i-1段加上最后第i段
                tmp=min(tmp,dp[1-now][j-l+1]-i*sum[j-l+1]);            //这里是dp的精髓,能得到值最小的第i段
            }
            ans=min(ans,dp[now][n]);
        }
        printf("%d\n",ans);
    }
    return 0;
}


### HUST-TR 400 数据集概述 HUST-TR 400 是一个用于场景文字检测与识别的数据集,由华中科技大学多媒体实验室提供。该数据集包含了大量带有标注的真实世界图像,旨在促进自然场景下的文字检测和识别技术的发展[^1]。 #### 下载链接 可以访问以下网址获取 HUST-TR 400 数据集的下载链接: - [HUST-TR400](http://mc.eistar.net/UpLoadFiles/dataset/HUST-TR400.zip) 此链接提供了完整的数据集合压缩包供研究者们下载使用。 #### 使用说明 为了有效利用这个数据集,在解压文件之后会发现目录结构如下: - `images` 文件夹下存放着所有的图片资源; - `annotations` 文件夹则保存了对应的标签信息,通常是以 XML 或 JSON 格式的文件形式存在; 建议先阅读根目录中的 README 文档来了解具体细节以及如何解析这些标签文件。此外,对于想要快速上手的研究人员来说,官方还给出了几个简单的 Python 脚本作为例子展示怎样加载并处理这批数据[^2]。 ```python import os from xml.etree import ElementTree as ET def parse_annotation_file(annotation_path): tree = ET.parse(annotation_path) root = tree.getroot() objects = [] for obj in root.findall('object'): name = obj.find('name').text bndbox = obj.find('bndbox') xmin = int(bndbox.find('xmin').text) ymin = int(bndbox.find('ymin').text) xmax = int(bndbox.find('xmax').text) ymax = int(bndbox.find('ymax').text) bbox = (xmin, ymin, xmax, ymax) objects.append((name, bbox)) return objects ``` 这段代码展示了如何读取单个注释文件的内容,并将其转换成易于使用的对象列表格式。 #### 特征介绍 HUST-TR 400 的主要特点在于其丰富的多样性,涵盖了多种不同类型的场景文字样本,包括但不限于街道标志、广告牌、菜单等实际应用场景中的文字实例。每张图片都经过精心挑选以确保覆盖尽可能广泛的文字样式和背景环境变化情况。这使得它成为训练和评估复杂条件下文字检测算法的理想选择之一。
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