noip2016的研究

noip2016很多创新题,有幸搞到了TA的ak程序,来研究一下。

第一题: toy

可以看到   ^ 异或  有很大作用,当然这个题不卡。

对于环的问题可以从0开始,防止出界和负数可以统一   (ans+=n)%=n;


第二题: running

Ta爷写的链剖+lca+差分,不过depth[s]-(depth[lca]<<1)+n的标记我还是没看懂。

想了两天终于看懂了,TA真聪明。实际上deep【s】-deep【lca】是求从s到lca的距离,再减一个deep【lca】是因为深度-当前点深度是一个定值,再加n是为了防止出界。

要在考场上想这么深入准确真的非常不容易。这个题把树剖、lca、路径拆分很好的融合在了一起。

再xyx的启发下,打出了代码,能得95分,已经很满意了,

另外有一个教训:vector不要开得太大(<=300000)不然炸飞(T+M(不过noip好像空间放宽了))。

得到了树链剖分的新性质:从后向前更新,子节点总是比父先更新。


第三题: classroom

期望dp:

dp之所以能dp是因为对于每个相同的结果的方案都有最优的一个解。

此题的结果相同是指在第几个位置,它之前的课都完成了,即不管通过申请还是不申请,课都上了。

而最优的解是指在结果相同的一个位置中,利用遗传信息推出这个位置的遗传信息和最优解。

流程类似:


可以看出,蓝色的点箭头一种选择,红色的箭头是另一种选择,交汇处是一次决策,而这很好的涵盖了所有可能的情况。

所以dp是一个交汇,分流的过程。(插一下:而与此相对的网络流可以支持反悔,且有诸多dp没有的灵活性)

再由期望的和=和的期望性质可轻松推出dp方程

最后取最小值即可 



第四题: problem

二维前缀和,若%k==1 就值为1,再加和。


============================2017.8.21=============================================

这一年noip考的十分灵活    虽然noip要追求高分,但对于某些题,还是打部分分比较好

第一题就是检验你的细致程度,注意多测几组数据,确保万无一失

第二题是麻烦题的典型,在考场上很难想出正解并ac,所以在思考无果的情况下骗分是最合适的

对于这个题,有一个结论,是可以化动态为静态的,正常的想法一定是扫一遍树,但路径是有好几条的,每个点都可能参与,

对于树上连续路径问题,我们必须想到差分,,当然差分并不能动态改变标记,那我们就必须找到这些变量和其他变量之间的关系。

注意到深度是在变的,所以这些标记可以和深度联系,就得出了深度+标记为定值  的推论。

实际上就是把一些时刻在变、看似需要重复更新的值用另一个变量与之运算,从而产生定值的方法应用到dfs上

第三题也比较麻烦,作为期望的第一次出现,它真的是挺难的,,但是只要知道期望的递推公式,这个题就又变成了板子题,

所以如果对期望有一个比入门更深一点的认识理解,就不会觉得难了

第四题是二维前缀和,注意在基础的dp、递推上的变形问题

第五题是单调队列,这种题也很麻烦,我们要利用最值的单调特点进行弹出,插入,,noip考单调队列还是比较麻烦的

第六题是状压dp,也是需要对状压dp有一些比较深入的理解


所以noip考察的能力主要是建立在对算法的理解,对某一算法的理解越深,得分就越有把握,对每一个算法每一个细节、每一步的原理都很清楚了,noip是不会难到做不出来的


















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