HDU 5301 Buildings(2015多校联合)


题目链接:戳我

题目大意:

\(n*m\)列的矩阵,删除一个格子\(x,y\)。用矩形来填充矩阵。且矩形至少有一边是在矩阵的边缘上。求满足条件的矩形填充方式中面积最大的矩形,要使得该最大矩形的面积最小。

样例分析:

见题

解题思路:

任何矩形都可以分为宽度为1的小矩形,所以只考虑矩形的可以的最小长度即可。

讨论:
\(m\) 代表行,\(n\) 代表列
输入的时候先输入行,在输入列,当行比列大的时候要交换
任何矩形都可以分为宽度为1的小矩形,所以只考虑矩形的可以的最小长度即可。宽度始终为 \(1\)
当没有删除格子时,最小的面积是 \(ans = min((n+1)/2,(m+1)/2)\)
当 x,y处于矩形正中央时 ans- 1即可
其他情况:

如果m > n swap(n,m), swap(x,y)
之后如图所示,上下取大的 e,左右取小的f
面积就应该为 ans2 = min(e, f)
如果这个 ans2 比 最小面积ans小,肯定输入ans
否则就是 ans2

此处输入图片的描述

代码:

//Author LJH
//www.cnblogs.com/tenlee
#include <cstdio>
#include <cstdlib>
#include <cstring>
#include <cctype>
#include <cmath>
#include <algorithm>
#include <vector>
#include <queue>
#include <stack>
#include <map>
#define clc(a, b) memset(a, b, sizeof(a))
using namespace std;

const int inf = 0x3f;
const int INF = 0x3f3f3f3f;
const int maxn = 1e6+5;

inline int mymin(int x, int y)
{
    return x < y ? x : y;
}
inline int mymax(int x, int y)
{
    return x > y ? x : y;
}

int main()
{
    //freopen("Mul2/data/data1002/b.in", "r", stdin);
    //freopen("2.out", "w", stdout);
    int n, m, x, y;
    int le, ri, up, down;
    int e, f, g;
    int ans = 0;
    while(~scanf("%d %d %d %d", &m, &n, &x, &y))
    {
        if(m > n)//n为长边,m为短边
        {
            swap(n, m); swap(x, y);
        }
        le = y - 1;//删除的格子距左端的距离 
        ri = n - y; //删除的格子距右端的距离 
        e = mymin(le, ri);

        up = x - 1; //删除的格子距上端的距离 
        down = m - x;//删除的格子距下端的距离 
        f = mymax(up, down);

        g = mymin(e+1, f);
        ans = (m+1) / 2;//没有删除格子时,最小的面积
        if(le == ri && ri == up && up== down)//如果n,m为奇数,且删除的格子在正中间
        {
            printf("%d\n", le);
        }
        else
        {
            printf("%d\n", mymax(ans, mymin(e+1, f)));
        }
    }
    return 0;
}

转载于:https://www.cnblogs.com/tenlee/p/4675882.html

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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  | 博主筛选后可见
 
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