洛谷P2389 电脑班的裁员

本文介绍了一种分组动态规划问题的解决方法,并通过优化减少空间复杂度。使用三维数组记录中间状态,再逐步减少至二维,最终实现一维数组完成相同功能,显著降低内存消耗。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目传送门

解法:
我们设 f[i][j][0/1] f [ i ] [ j ] [ 0 / 1 ] 表示将前 i 个人分成 j 组,不保留/保留 i 的最大得分和。若不保留 i ,则当前状态等于 i-1 保留/不保留,分成 j 组的最大得分和(没有保留 i,可以看做分组没有断开);若保留 i ,则当前状态等于保留 i-1,分成 j 组和不保留 i-1,分成 j-1 组(i 保留而 i-1 没有保留,分组断开)的最大值加上 i 的得分。

#include<iostream>
#include<cstdio>
#include<algorithm>
using namespace std;
const int N=510;
int n,m,ans,f[N][N][2];
int main()
{
    scanf("%d%d",&n,&m);
    for(int i=1;i<=n;i++)
    {
        int x;scanf("%d",&x);
        for(int j=1;j<=min(i,m);j++)
        {
            f[i][j][0]=max(f[i-1][j][0],f[i-1][j][1]);//不保留i时的转移
            f[i][j][1]=max(f[i-1][j-1][0],f[i-1][j][1])+x;//保留i时的转移
        }
    }
    ans=max(f[n][1][0],f[n][1][1]);
    for(int i=2;i<=m;i++)ans=max(ans,max(f[n][i][0],f[n][i][1]));//答案取所有的最大值
    printf("%d\n",ans);return 0;
}

优化:
我们会发现 i 的所有状态都只从 i-1 的相应状态转移过来,所以我们可以像01背包的优化那样,省掉一维,优化一下空间。代码:

#include<iostream>
#include<cstdio>
#include<algorithm>
using namespace std;
const int N=510;
int n,m,ans,f[N][2];
int main()
{
    scanf("%d%d",&n,&m);
    for(int i=1;i<=n;i++)
    {
        int x;scanf("%d",&x);
        for(int j=min(i,m);j>0;j--)//注意j是从大到小,因为更新f[i][j]要用到f[i-1][j-1],不能覆盖掉
        {
            f[j][0]=max(f[j][0],f[j][1]);
            f[j][1]=max(f[j-1][0],f[j][1])+x;//转移是一样哒
        }
    }
    ans=max(f[1][0],f[1][1]);
    for(int i=2;i<=m;i++)ans=max(ans,max(f[i][0],f[i][1]));
    printf("%d\n",ans);return 0;
}

洛谷实测空间消耗少了将近一半啊qwq

内容概要:本文详细介绍了扫描单分子定位显微镜(scanSMLM)技术及其在三维超分辨体积成像中的应用。scanSMLM通过电调透镜(ETL)实现快速轴向扫描,结合4f检测系统将不同焦平面的荧光信号聚焦到固定成像面,从而实现快速、大视场的三维超分辨成像。文章不仅涵盖了系统硬件的设计与实现,还提供了详细的软件代码实现,包括ETL控制、3D样本模拟、体积扫描、单分子定位、3D重建和分子聚类分析等功能。此外,文章还比较了循环扫描与常规扫描模式,展示了前者在光漂白效应上的优势,并通过荧光珠校准、肌动蛋白丝、线粒体网络和流感A病毒血凝素(HA)蛋白聚类的三维成像实验,验证了系统的性能和应用潜力。最后,文章深入探讨了HA蛋白聚类与病毒感染的关系,模拟了24小时内HA聚类的动态变化,提供了从分子到细胞尺度的多尺度分析能力。 适合人群:具备生物学、物理学或工程学背景,对超分辨显微成像技术感兴趣的科研人员,尤其是从事细胞生物学、病毒学或光学成像研究的科学家和技术人员。 使用场景及目标:①理解和掌握scanSMLM技术的工作原理及其在三维超分辨成像中的应用;②学习如何通过Python代码实现完整的scanSMLM系统,包括硬件控制、图像采集、3D重建和数据分析;③应用于单分子水平研究细胞内结构和动态过程,如病毒入侵机制、蛋白质聚类等。 其他说明:本文提供的代码不仅实现了scanSMLM系统的完整工作流程,还涵盖了多种超分辨成像技术的模拟和比较,如STED、GSDIM等。此外,文章还强调了系统在硬件改动小、成像速度快等方面的优势,为研究人员提供了从理论到实践的全面指导。
内容概要:本文详细介绍了基于Seggiani提出的渣层计算模型,针对Prenflo气流床气化炉中炉渣的积累和流动进行了模拟。模型不仅集成了三维代码以提供气化炉内部的温度和浓度分布,还探讨了操作条件变化对炉渣行为的影响。文章通过Python代码实现了模型的核心功能,包括炉渣粘度模型、流动速率计算、厚度更新、与三维模型的集成以及可视化展示。此外,还扩展了模型以考虑炉渣组成对特性的影响,并引入了Bingham流体模型,更精确地描述了含未溶解颗粒的熔渣流动。最后,通过实例展示了氧气-蒸汽流量增加2%时的动态响应,分析了温度、流动特性和渣层分布的变化。 适合人群:从事煤气化技术研究的专业人士、化工过程模拟工程师、以及对工业气化炉操作优化感兴趣的科研人员。 使用场景及目标:①评估不同操作条件下气化炉内炉渣的行为变化;②预测并优化气化炉的操作参数(如温度、氧煤比等),以防止炉渣堵塞;③为工业气化炉的设计和操作提供理论支持和技术指导。 其他说明:该模型的实现基于理论公式和经验数据,为确保模型准确性,实际应用中需要根据具体气化炉的数据进行参数校准。模型还考虑了多个物理场的耦合,包括质量、动量和能量守恒方程,能够模拟不同操作条件下的渣层演变。此外,提供了稳态求解器和动态模拟工具,可用于扰动测试和工业应用案例分析。
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