bzoj3688 折线统计

本文介绍了一种使用动态规划解决特定问题的方法,通过定义状态 dp[i][j][id] 来表示有 i 段,当前以第 j 个点结尾的情况,并通过树状数组进行优化。id=0 表示最后上升,id=1 表示最后下降。文章详细展示了转移方程及其实现代码。

传送门
d p [ i ] [ j ] [ i d ] dp[i][j][id] dp[i][j][id]表示有 i i i段,现在以第 j j j个点结尾。
i d = 0 id=0 id=0表示最后上升, i d = 1 id=1 id=1表示最后下降。
有转移方程:
d p [ i ] [ j ] [ 0 ] = ∑ k = i + 1 j − 1 ∑ y [ k ] &lt; y [ j ] d p [ i ] [ k ] [ 0 ] + ∑ k = i j − 1 ∑ y [ k ] &lt; y [ j ] d p [ i − 1 ] [ k ] [ 1 ] dp[i][j][0]=\sum_{k=i+1}^{j-1}\sum_{y[k]&lt;y[j]}dp[i][k][0]+\sum_{k=i}^{j-1}\sum_{y[k]&lt;y[j]}dp[i-1][k][1] dp[i][j][0]=k=i+1j1y[k]<y[j]dp[i][k][0]+k=ij1y[k]<y[j]dp[i1][k][1]
d p [ i ] [ j ] [ 1 ] = ∑ k = i + 1 j − 1 ∑ y [ k ] &gt; y [ j ] d p [ i ] [ k ] [ 1 ] + ∑ k = i j − 1 ∑ y [ k ] &gt; y [ j ] d p [ i − 1 ] [ k ] [ 0 ] dp[i][j][1]=\sum_{k=i+1}^{j-1}\sum_{y[k]&gt;y[j]}dp[i][k][1]+\sum_{k=i}^{j-1}\sum_{y[k]&gt;y[j]}dp[i-1][k][0] dp[i][j][1]=k=i+1j1y[k]>y[j]dp[i][k][1]+k=ij1y[k]>y[j]dp[i1][k][0]

用四个树状数组维护这四个和。
先枚举 i i i,然后 j j j枚举完后把树状数组清空, i i i增加。
i i i i − 1 i-1 i1递推用滚动数组实现。
注意开始时要加上 d p [ i − 1 ] [ i ] [ 0 / 1 ] dp[i-1][i][0/1] dp[i1][i][0/1]的贡献。

#include<bits/stdc++.h>
#define lowbit(x) (x&(-x))
using namespace std;
const int mod=1e5+7;const int maxn=5e4+10;const int oo=1e5;
int dp[12][maxn][2],tr[oo+10][2][2],n,k,ans=0;
inline void add(int x,int v,int id,int di){for(int i=x;i<=oo;i+=lowbit(i)) tr[i][id][di]=(tr[i][id][di]+v)%mod;}
inline int query(int x,int id,int di,int ret=0){for(int i=x;i>=1;i-=lowbit(i)) ret=ret+tr[i][id][di];return ret%mod;}
inline int read(){
	int x=0;char ch=getchar();
	while(!isdigit(ch)) ch=getchar();
	while(isdigit(ch)) x=(x<<3)+(x<<1)+ch-'0',ch=getchar();
	return x;
}
struct point{
	int x,y;
	friend inline bool operator<(point a,point b){return a.x<b.x;}
}a[maxn];
int main(){
	n=read(),k=read();
	for(int i=1;i<=n;++i) a[i].x=read(),a[i].y=read();
	sort(a+1,a+n+1);
	for(int i=1;i<=n;++i) dp[0][i][0]=dp[0][i][1]=1;
	for(int i=1;i<=k;++i){
		memset(tr,0,sizeof(tr));
		add(a[i].y,dp[i-1][i][0],(i-1)&1,0);
		add(a[i].y,dp[i-1][i][1],(i-1)&1,1);
		for(int j=i+1;j<=n;++j){
			dp[i][j][0]=(query(a[j].y-1,i&1,0)+query(a[j].y-1,(i-1)&1,1))%mod;
			dp[i][j][1]=(query(oo,(i-1)&1,0)-query(a[j].y,(i-1)&1,0)+query(oo,i&1,1)-query(a[j].y,i&1,1)+mod)%mod;
			add(a[j].y,dp[i][j][0],i&1,0);
			add(a[j].y,dp[i-1][j][0],(i-1)&1,0);
			add(a[j].y,dp[i][j][1],i&1,1);
			add(a[j].y,dp[i-1][j][1],(i-1)&1,1);
		}
	}
	for(int i=1;i<=n;++i) ans=(ans+dp[k][i][0]+dp[k][i][1])%mod;
	printf("%d\n",ans);
}
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