【NOI2007T2】货币兑换-DP斜率优化+CDQ分治

本文介绍了一道货币兑换问题的求解方法,利用动态规划斜率优化和CDQ分治技巧,详细解析了状态转移方程及优化过程,并提供了实现代码。

测试地址:货币兑换
做法:大名鼎鼎的论文题,难度确实不容小觑……足足做了一天仍然不能AC,但是只有一个点RE,应该是一些玄学瑕疵,但是思路整体是对的,所以……将就着看吧……
本题需要用到DP斜率优化和CDQ分治。
首先根据提示,每一天操作只有三种:买入、卖出、卖出再买入,鉴于卖出的一定是前面某一天留下的金券,那么设 f(i) 为第i天结束后手中最多的人民币, x(i) y(i) 为第i天结束后当 f(i) 最大时所能得到的A券和B券的数量,那么状态转移方程如下:
f(i)=max(f(i1),x(j)×ai+y(j)×bi)(1j<i)
y(i)=f(i)ratei×ai+bi
x(i)=y(i)×ratei
知道了第一个式子之后,下面两个式子推推就出来了。注意到这是一个O(N^2)的式子,而N达到100000,必须想办法优化。
我们发现式子 x(j)×ai+y(j)×bi 可以改写为 [x(j)×aibi+y(j)]×bi ,注意到 bi 是一个由 i 唯一确定的常量,所以当中括号内的式子最大时,这个式子就越大,可以不管它。我们设k(i) aibi ,括号内的式子等于 G ,那么G=k(i)x(j)+y(j),则 y(j)=k(i)x(j)+G ,那么要使 G 最大,就是要使一条斜率为k(i)的直线穿过任一个点 (x(j),y(j)) ,使得截距最大,所以可以进行斜率优化,维护一个上凸壳即可。
然而没有那么简单,注意到我们之前做过的题目中,状态点的横坐标是单调的,斜率也是单调的,我们就可以用单调队列维护凸壳,然而这一题中横坐标既不单调,斜率也不单调,那要怎么维护凸壳呢?这里我们当然可以用平衡树来维护凸壳,使得总复杂度达到 O(NlogN) ,然而这样写的话编程复杂度简直爆炸。
我们可以借助CDQ分治的思想来解决这一题,到了这一步的话,网上的题解很多,我不保证我能写的比他们好,所以还是请读者们自行去查找吧。我的代码是 O(Nlog2N) 的,然而有方法可以优化到和平衡树同阶的 O(NlogN) ,本人学艺不精,还需要学习一个……
以下是本人代码(90分RE,又臭又长,强烈不推荐阅读):

#include <cstdio>
#include <cstdlib>
#include <cstring>
#include <iostream>
#include <algorithm>
#define inf 1e9
using namespace std;
int n,p0[100010],forsort[100010];
int up[100010],t;
double s,a[100010],b[100010],rate[100010],f[100010];
struct point
{
  double x,y;
  int id;
  point operator - (point a) const
  {
    point s;
    s.x=x-a.x;
    s.y=y-a.y;
    return s;
  }
}p[100010];

double multi(point a,point b)
{
  return a.x*b.y-b.x*a.y;
}

bool cmp(point x,point y)
{
  int i=x.id,j=y.id;
  point s1,s2;
  s1.x=b[i],s1.y=-a[i];
  s2.x=b[j],s2.y=-a[j];
  return multi(s1,s2)<=0;
}

bool cmpid(point a,point b)
{
  return a.id<b.id;
}

void solve(int l,int r)
{
  int mid=(l+r)>>1;
  if (l==r) return;
  solve(l,mid);

  t=0;
  for(int i=l;i<=mid;i++)
  {
    while(t>1&&multi(p[up[t]]-p[up[t-1]],p[p0[i]]-p[up[t]])>=0) t--;
    up[++t]=p0[i];
  }

  if (mid==781)
    mid++,mid--;
  int lp,rp;
  lp=1;
  sort(p+mid+1,p+r+1,cmp);
  for(int i=mid+1;i<=r;i++)
  {
    point s;
    s.x=b[p[i].id],s.y=-a[p[i].id];
    while(lp<t&&multi(p[up[lp+1]]-p[up[lp]],s)<=0)
      lp++;
    int v=p[i].id,j=up[lp];
    if (f[v]<max(f[v-1],p[j].x*a[v]+p[j].y*b[v]))
    {
      f[v]=max(f[v-1],p[j].x*a[v]+p[j].y*b[v]);
      p[i].y=f[v]/(rate[v]*a[v]+b[v]);
      p[i].x=rate[v]*p[i].y;
    }
  }
  sort(p+mid+1,p+r+1,cmpid);

  solve(mid+1,r);

  lp=l,rp=mid+1;
  for(int i=l;i<=r;i++)
  {
    if (rp>r||(lp<=mid&&p[p0[lp]].x<p[p0[rp]].x)) forsort[i]=p0[lp],lp++;
    else forsort[i]=p0[rp],rp++;
  }
  for(int i=l;i<=r;i++) p0[i]=forsort[i];
}

int main()
{
  scanf("%d%lf",&n,&s);
  for(int i=1;i<=n;i++)
  {
    scanf("%lf%lf%lf",&a[i],&b[i],&rate[i]);
    p0[i]=i;p[i].id=i;
  }
  p0[0]=0;p[0].id=0;
  f[0]=s,a[0]=0,b[0]=0,rate[0]=1;
  p[0].x=p[0].y=0;
  for(int i=0;i<=100009;i++) p[i].id=i;

  solve(0,n);

  printf("%.3lf\n",f[n]);
  return 0;
}
本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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