uva 111 - History Grading

最长公共子序列求解
本文介绍了一种利用动态规划解决最长公共子序列问题的方法,通过枚举和查找正确序列中的位置来更新最长连续子序列长度。

点击打开链接


题目意思:   给定一个正确的编号序列,然后对输入的每一组序列找最长公共子序列


解题思路:     动态规划

                       1:题目给定的n个数并不是表示当前位置的值就是Ai,而是表示第i个数放在第Ai个位置,看样列4 2 3 1,说明1放在第四位,2放在第二位,3放在第三位,4放在第一位。
                       2:题目就是要求出最长的公共子序列,由于题目的n最大才20,那么我们可以直接去枚举。假设现在枚举到Ai这个数,那么我们就求i之前的所以数能够和Ai构成连续的序列最大值dp[i],然后判断能否更新最大值(max_point < dp[i]),最后输出这个最大值即可。


代码:

#include <algorithm>
#include <iostream>
#include <cstring>
#include <string>
#include <vector>
#include <cstdio>
#include <stack>
#include <queue>
#include <cmath>
using namespace std;
#define MAXN 25

int n;
int correct[25];//存储正确的顺序
int order[MAXN];//要求的顺序
int dp[MAXN];

void solve(){
    int max_point = 0;
    int pos_i , pos_j;//记录在correct数组中的位置
    dp[0] = 1;
    for(int i = 1 ; i < n ; i++){
        dp[i] = 1;//初始化为1
        for(int j = i-1 ; j >= 0 ;j--){//搜索i之前的数
            for(int k = 0 ; k < n ; k++){//去correct数组中找到order[i] 和order[j]的位置
                if(correct[k] == order[i]) pos_i = k;
                if(correct[k] == order[j]) pos_j = k;
            }
            if(pos_i > pos_j){//如果i在j后面说明是连续的,求dp[i]
                if(dp[j]+1 > dp[i]) dp[i] = dp[j]+1;
            }
        }
        if(max_point < dp[i]) max_point = dp[i];//更新max_point
    }
    printf("%d\n" , max_point);
}

int main(){
    //freopen("input.txt" , "r" , stdin);
    int m;
    scanf("%d" , &n);
    for(int i = 1 ; i <= n ; i++){
        scanf("%d" , &m) ;  correct[m-1] = i;//求出correct数组
    }
    while(scanf("%d" , &m) != EOF){
        order[m-1] = 1;
        for(int j = 2 ; j <= n ; j++) {
            scanf("%d" , &m) ; order[m-1] = j;//求出order数组
        }
        solve();
    }
    return 0;
}



更多详细信息请查看 java教程网 http://www.itchm.com/forum-59-1.html
内容概要:本文介绍了一个基于Google Earth Engine(GEE)平台的JavaScript函数库,主要用于时间序列数据的优化与子采样处理。核心函数包括de_optim,采用差分进化算法对时间序列模型进行参数优化,支持自定义目标函数、变量边界及多种变异策略,并可返回最优参数或收敛过程的“陡度图”(scree image);sub_sample函数则用于按时间密度对影像集合进行三种方式的子采样(批量、分段打乱、跳跃式),以减少数据量同时保留时序特征;配套函数ts_image_to_coll可将子采样后的数组图像还原为标准影像集合,apply_model可用于将优化所得模型应用于原始时间序列生成预测结果。整个工具链适用于遥感时间序列建模前的数据预处理与参数调优。; 适合人群:具备Earth Engine基础开发经验、熟悉JavaScript语法并从事遥感数据分析、生态建模等相关领域的科研人员或技术人员;有时间序列建模需求且希望自动化参数优化流程的用户。; 使用场景及目标:①在有限观测条件下优化非线性时间序列拟合模型(如物候模型)的参数;②压缩大规模时间序列数据集以提升计算效率;③实现模型验证与交叉验证所需的时间序列子集抽样;④构建端到端的遥感时间序列分析流水线。; 阅读建议:此资源为功能性代码模块,建议结合具体应用场景在GEE平台上实际调试运行,重点关注各函数的输入格式要求(如band命名、image属性设置)和异常处理机制,确保输入数据符合规范以避免运行错误。
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