2019牛客暑期多校训练营(第八场) A All-one Matrices 【单调栈】

本文介绍了一种求解全一矩阵中最大不可扩展子矩阵的方法,使用了动态规划和单调栈来高效地确定矩阵的边界,通过前缀和判断是否可以向下扩展,最后给出了完整的C++代码实现。

All-one Matrices
在这里插入图片描述
在这里插入图片描述
题意:
求给出的n*m的矩阵中全一的不可扩展的最大子矩阵
这篇博客里面有对题意的样例解释(在后面)https://blog.youkuaiyun.com/weixin_43720526/article/details/99210681

分析:
官方给出的题解是先用一个二维数组dp[i][j[表示第i行第j列这个位置向上有多少连续的1,然后再用一个二维数组sum[i][j]表示第i行的前缀和,用于单调栈的判断。

怎么判断呢:可以先看一下这篇文章https://blog.youkuaiyun.com/c___c18/article/details/99329450
这个也是单调栈处理矩阵的,但比这题简单
了解了这个以后,就可以知道,我们用单调栈去保存着当前这个全一的矩阵的左边界是多少,同时也保留了右边界,然后,你就需要判断下边界是不是也是全一,这个时候就用到我们定义的前缀和了

#include<iostream>
#include<cstdio>
#include<cstdlib>
#include<algorithm>
#include<string>
#include<cmath>
#include<cstring>
#include<set>
#include<queue>
#include<stack>
#include<map>
#define rep(i,a,b) for(int i=a;i<=b;i++)
typedef long long ll;
using namespace std;
const int N=1e5+10;
const int INF=0x3f3f3f3f;
int dp[3010][3010],sum[3010][3010];
char str[3010];
struct node{
    int h,w;
};
stack<node>s;
int main()
{
    #ifndef ONLINE_JUDGE
    freopen("in.txt","r",stdin);
    #endif // ONLINE_JUDGE
    int n,m;
    scanf("%d%d",&n,&m);
    rep(i,1,n){
            scanf("%s",str+1);
        rep(j,1,m){
            sum[i][j]=sum[i][j-1]+(str[j]-'0');
            if((str[j]-'0'))
            dp[i][j]=dp[i-1][j]+1;
        }
    }
    int ans=0;
    for(int i=1;i<=n;i++){
        while(!s.empty()) s.pop();
        for(int j=1;j<=m+1;j++){//j要到m+1,这样才能处理单行的情况

            int res=j;
            while(!s.empty() && s.top().h>= dp[i][j]){
                res=s.top().w;
                int l=res,r=j-1;
                if(dp[i][j]< s.top().h)//相等的话会判重,没有意义
                if(sum[i+1][r]-sum[i+1][l-1]!=r-l+1)//看能否向下延申
                    ans++;

                s.pop();
            }
            if(dp[i][j]==0) {
        while(!s.empty()) s.pop();
                continue;
            }
            s.push((node){dp[i][j],res});
        }
    }
    printf("%d\n",ans);
    return 0;
}


MATLAB代码实现了一个基于种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 算法优化RBF网络:使用种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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