luogu 2219[HAOI2007]修筑绿化带 单调队列

本文介绍了一种使用双端队列优化二维区间查询的方法,通过预处理矩阵中的元素求和,并结合双端队列来高效计算特定子矩阵的最大最小值差。此算法适用于需要频繁进行子矩阵最大最小值查询的场景。

Code: 

#include<bits/stdc++.h>
using namespace std;
#define setIO(s) freopen(s".in","r",stdin) 
#define maxn 1002 
#define inf 1000000000
deque<int>q; 
int n,m,A,B,C,D; 
int minv[maxn][maxn],sumv[maxn][maxn],val[maxn][maxn],tot[maxn][maxn];   
int main()
{
    // setIO("input");
    scanf("%d%d%d%d%d%d",&n,&m,&A,&B,&C,&D);
    for(int i=1;i<=n;++i)
    {
        for(int j=1;j<=m;++j)
        {
            scanf("%d",&sumv[i][j]);
            sumv[i][j]+=(sumv[i][j-1]+sumv[i-1][j]-sumv[i-1][j-1]); 
        } 
    }
    for(int i=1;i<=n;++i) 
    {
        for(int j=1;j<=m;++j) 
        {
            if(i>=A&&j>=B) tot[i][j]=sumv[i][j]-sumv[i-A][j]-sumv[i][j-B]+sumv[i-A][j-B]; 
            if(i>=C&&j>=D) val[i][j]=sumv[i][j]-sumv[i-C][j]-sumv[i][j-D]+sumv[i-C][j-D]; 
        }
    }  
    for(int j=1;j<=m;++j) 
    {
        while(!q.empty()) q.pop_front(); 
        for(int i=2;i<=n;++i) 
        {
            while(!q.empty()&&i-q.front()+1>=A-C) q.pop_front();  
            if(!val[i-1][j]) { minv[i][j]=inf; continue; }  
            while(!q.empty()&&val[i-1][j]<=val[q.back()][j]) q.pop_back();  
            q.push_back(i-1);  
            minv[i][j]=val[q.front()][j];  
        }
    }  
    int ans=0; 
    for(int i=1;i<=n;++i) 
    {
        while(!q.empty()) q.pop_front(); 
        for(int j=2;j<=m;++j) 
        {
            while(!q.empty()&&j-q.front()+1>=B-D) q.pop_front();  
            if(!val[i][j-1]) continue;   
            while(!q.empty()&&minv[i][j-1]<=minv[i][q.back()]) q.pop_back();  
            q.push_back(j-1); 
            ans=max(ans, tot[i][j]-minv[i][q.front()]);           
        }
    }
    printf("%d\n",ans);  
    return 0; 
}

  

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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