poj 1088 滑雪

滑雪
Time Limit: 1000MS Memory Limit: 65536K
Total Submissions: 97550 Accepted: 37015

Description

Michael喜欢滑雪百这并不奇怪, 因为滑雪的确很刺激。可是为了获得速度,滑的区域必须向下倾斜,而且当你滑到坡底,你不得不再次走上坡或者等待升降机来载你。Michael想知道载一个区域中最长底滑坡。区域由一个二维数组给出。数组的每个数字代表点的高度。下面是一个例子 
 1  2  3  4 5

16 17 18 19 6

15 24 25 20 7

14 23 22 21 8

13 12 11 10 9

一个人可以从某个点滑向上下左右相邻四个点之一,当且仅当高度减小。在上面的例子中,一条可滑行的滑坡为24-17-16-1。当然25-24-23-...-3-2-1更长。事实上,这是最长的一条。

Input

输入的第一行表示区域的行数R和列数C(1 <= R,C <= 100)。下面是R行,每行有C个整数,代表高度h,0<=h<=10000。

Output

输出最长区域的长度。

Sample Input

5 5
1 2 3 4 5
16 17 18 19 6
15 24 25 20 7
14 23 22 21 8
13 12 11 10 9

Sample Output

25

题目解析:

这是一个简单的DFS+dp题,首先我用DFS遍及所有点,然后用一个数组来储存每一次遍及的最长长度,最后用max函数来求出最长的长度。

代码:

#include<iostream>
#include<cstring>
#include<algorithm>
using namespace std;

const int maxn=105;
int dir[4][2]= {{0,1},{1,0},{0,-1},{-1,0}};
int node[maxn][maxn],len[maxn][maxn];
int row,colum,Max,i,j;

int dp(int x,int y)
{
    int tx,ty,ms;
    ms=0;
    if(len[x][y]!=0)
        return len[x][y];
    for(int k=0; k<=3; k++)
    {
        tx=dir[k][0]+x;
        ty=dir[k][1]+y;
        if(tx<0||ty<0||tx>row-1||ty>colum-1)
            continue;
        if(node[tx][ty]<node[x][y])
        {
            int s=dp(tx,ty);
            ms=max(ms,s);
        }
    }
    len[x][y]=ms+1;
    return len[x][y];
}
int main()
{
    while(cin>>row>>colum)
    {
        memset(node,0,sizeof(node));
        memset(len,0,sizeof(len));
        for(i=0; i<row; i++)
            for(j=0; j<colum; j++)
                cin>>node[i][j];
        Max=-1;
        for(i=0; i<row; i++)
            for(j=0; j<colum; j++)
                Max=max(Max,dp(i,j));
        cout<<Max<<endl;

    }
    return 0;
}


内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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