[多校联训] 就

最大和非邻接子集
探讨了如何通过贪心算法结合数据结构解决寻找一排数中K个不相邻数的最大和问题,采用堆和链表实现高效更新。

题目描述

就so.in/.out

【背景描述】

一排 N 个数, 第 i 个数是 Ai , 你要找出 K 个不相邻的数, 使得他们的和最大。

请求出这个最大和。

【输入格式】

第一行两个整数 N 和 K。

接下来一行 N 个整数, 第 i 个整数表示 Ai 。

【输出格式】

一行一个整数表示最大和, 请注意答案可能会超过 int 范围

【样例输入】

3 2

4 5 3

【样例输出】

7

【数据范围】

对于 20% 的数据, N, K ≤ 20 。

对于 40% 的数据, N, K ≤ 1000 。

对于 60% 的数据, N, K ≤ 10000 。

对于 100% 的数据, N, K ≤ 100000 , 1 ≤ Ai ≤ 1000000000。


贪心,用一个堆来维护最大权值,之后每次从堆里取出堆顶元素,将它和相邻的两个元素合并并修改权值,这可以用链表来实现。

代码:

#include<cstdio>
#include<iostream>
#include<cstring>
#include<set>
#define mem(a,b) memset(a,b,sizeof(a))
#define maxn 100005
using namespace std;
typedef long long ll;
inline int read()
{   char c=getchar();int x=0,y=1;
    while(c<'0'||c>'9'){if(c=='-') y=-1;c=getchar();}
    while(c>='0'&&c<='9') x=x*10+c-'0',c=getchar();
    return x*y;
}
struct node
{   int id;ll w;
    friend bool operator <(const node& a,const node& b){ return a.w==b.w?a.id<b.id:a.w>b.w;}
};
set<node>q;
int n,K,pre[maxn],nex[maxn];
ll A[maxn],ans;
void solve()
{   while(K--)
    {   node tmp=*q.begin();q.erase((node){tmp.id,tmp.w});
        ans+=A[tmp.id];
        A[tmp.id]=A[pre[tmp.id]]+A[nex[tmp.id]]-A[tmp.id];
        q.erase((node){pre[tmp.id],A[pre[tmp.id]]});
        q.erase((node){nex[tmp.id],A[nex[tmp.id]]});
        q.insert((node){tmp.id,A[tmp.id]});
        if(pre[pre[tmp.id]]) nex[pre[pre[tmp.id]]]=tmp.id;
        if(nex[nex[tmp.id]]) pre[nex[nex[tmp.id]]]=tmp.id;
        pre[tmp.id]=pre[pre[tmp.id]];
        nex[tmp.id]=nex[nex[tmp.id]];
    }
}
int main()
{       //freopen("so13.in","r",stdin);
    //freopen("so.out","w",stdout);
    n=read();K=read();
    A[0]=-1e16;
    for(int i=1;i<=n;i++)
        A[i]=read(),pre[i]=i-1,nex[i]=i+1,q.insert((node){i,A[i]});
    nex[n]=0;
    solve();    
    printf("%lld",ans);
    return 0;
}



内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、目标代价函设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估CPO优化流程。; 适合人群:具备一定Python编程基础优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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