woj4764 子矩阵

无传送门

枚举上下界,上下界确定后在区间中统计答案。
对于这些上下界相同,左右端不同的矩形,可能的贡献对象在每一列的最小值中。
记一下每一列的最小值,然后找左边、右边比它小的第一个位置,就可以统计出该列的贡献了。用单调栈维护即可。

#include<bits/stdc++.h>
#define cs const
#define re register
cs int N=305;
namespace IO{
	cs int Rlen=1<<22|1;
	char buf[Rlen],*p1,*p2;
	inline char gc(){return (p1==p2)&&(p2=(p1=buf)+fread(buf,1,Rlen,stdin),p1==p2)?EOF:*p1++;}
	template<typename T>
	inline T get(){
		char ch=gc();T x=0;
		while(!isdigit(ch)) ch=gc();
		while(isdigit(ch)) x=((x+(x<<2))<<1)+(ch^48),ch=gc();
		return x;
	}
	inline int gi(){return get<int>();}
}
using IO::gi;
int n,m,a[N][N],ans[N*N],mn[N];
int L[N],R[N],st[N],pos[N],top=0;
inline void Min(int &x,int y){if(x>y)x=y;}
inline void solve(int up,int dn){
	for(int re i=1;i<=m;++i) Min(mn[i],a[dn][i]);
	st[top=1]=0,pos[top]=0;
	for(int re i=1;i<=m;++i){
		while(top&&mn[i]<st[top]) --top;
		L[i]=pos[top],st[++top]=mn[i],pos[top]=i;
	}
	st[top=1]=0,pos[top]=m+1;
	for(int re i=m;i>=1;--i){
		while(top&&mn[i]<st[top]) --top;
		R[i]=pos[top],st[++top]=mn[i],pos[top]=i;
	}
	for(int re i=1;i<=m;++i)
		ans[mn[i]]+=(i-L[i])*(R[i]-i);
}
int main(){
//	freopen("submatrix.in","r",stdin);
	n=gi(),m=gi();
	for(int re i=1;i<=n;++i)
		for(int re j=1;j<=m;++j)
			a[i][j]=gi();
	for(int re i=1;i<=n;++i){
		memset(mn,0x3f,sizeof mn);
		for(int re j=i;j<=n;++j) solve(i,j);
	}
	for(int re i=1;i<=n*m;++i)
		printf("%d\n",ans[i]);
}
六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
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