P6146 [USACO20FEB]Help Yourself G--动态规划+集合+前缀和

本文探讨了一种解决线段覆盖问题的方法,通过动态规划算法进行处理。首先,将线段按左端点排序,设定时间复杂度数组f[i]表示到第i条线段的状态。通过分析线段之间的包含、连接和分离情况,提出了递推公式f[i]=2*f[i-1]+2x2^x2x。利用桶计数统计分离线段数,实现高效计算。

题目来源

先考虑的是转成树或者图,好麻烦。
然后考虑的是类似线段覆盖的的处理,要分包含或连接、分离等情况,分离情况的处理理不清楚,借助了题解。
将线段按照左端点排序,设到第i条线段 构成的时间复杂度为f[i].
那么包含的情况包括
1.不包含这条线段,那么为f[i-1];
2.包含这条线段又分两种情况 增加的集合个数为f[i-1]
2-1.增加了集合个数,但这个集合的复杂度与前面一样,所有增加的集合已经包含在前面的f[i-1]内
2-2.增加了集合个数,同时复杂度增加。这种情况下,与前面的线段分离会增使其复杂度+1
会使多少集合复杂度+1?设前面与其分离的线段数为x,那么这写条线段构成的集合数为 2 x 2^x 2x,这条线段使得所有这 2 x 2^x 2x个集合增加1,所以增加 2 x 2^x 2x
因此递推公式为:f[i]=2*f[i-1]+ 2 x 2^x 2x
如何统计分离线段的条数。数据范围 1 0 5 10^5 105,可以直接用桶来计数右端点,然后求前缀和,只要这条线段左端点前面的右端点个数即为需要的分离线段条数。

参考代码

#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
const int mod=1e9+7,N=2e5+10;
pair<int,int> a[N];
int n,l,r;
ll tong[N],f[N],qpow[N];

int main() {
	scanf("%d",&n);
	qpow[0]=1ll; 
	for(int i=1; i<=n; i++) {
		scanf("%d%d",&a[i].first,&a[i].second);
		tong[a[i].second]++;
		qpow[i]=qpow[i-1]*2%mod;
	}
	sort(a+1,a+n+1);
	for(int i=1; i<=2*n; i++)
		tong[i]+=tong[i-1];
	for(int i=1; i<=n; i++){
		ll x=tong[a[i].first-1];
		f[i]=(2*f[i-1]+qpow[x])%mod;
	}	
	cout<<f[n]<<endl;
	return 0;
}
内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
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