HDU 4539 【状压DP】

快让我静静!!!!TAT

这道题debug了一早上。。差点没把我烦死。。。

要考虑决定状态的因素!!!!

应该还是很中规中矩的状压,由于曼哈顿距离是2,所以每种情况,都要检查前两行是否符合条件。因为i-2行也是决定因素,所以不能忽略i-2行,需要进行记录,可能上一状态中获得同一值有多种前驱状态,但是这些前驱也会决定是否能生成当前行。

恩。。然后其实可以打表先处理出左右没有冲突的情况,貌似只有两百多种的样子,这样就不用结构体了,可以开个三维数组

#include <stdio.h>
#include <iostream>
#include <string.h>
using namespace std;
#define maxn 1100
int n,m;
int a[110][110];
class node
{
public:
    int top,vis;
    int pre[maxn],ans[maxn];
    void init()
    {
        top=0,vis=0;
        pre[0]=ans[0]=0;
    }
    void update(int x,int y)
    {
        pre[top]=x;
        ans[top++]=y;
    }
    int frontpre()
    {
        if(!top) return -1;
        return pre[top-1];
    }
    int sum()
    {
        if(!top) return 0;
        return ans[top-1];
    }
}dp[2][maxn];
bool check(int x,int r,int &ret)
{
    int que[12],top=0;
    while(x)
    {
        que[top++]=x&1;
        x>>=1;
    }
    for(int i=0;i<m;i++)
    {
        if(i<top&&que[i])
        {
            if(!a[r][i]) return false;
            else if(i-2>=0&&que[i-2]) return false;
            else ret++;
        }
        x>>=1;
    }
    return true;
}
bool comp(int now,int pre)
{
    int n[12],p[12];
    int nn=0,pp=0;
    if(!now||!pre) return true;
    while(now)
    {
        n[nn++]=now&1;
        now>>=1;
    }
    while(pre)
    {
        p[pp++]=pre&1;
        pre>>=1;
    }
    for(int i=0;i<nn;i++)
    {
        if(n[i])
        {
            int j=i-1,k=i+1;
            if((j>=0&&j<pp&&p[j])||(k<pp&&k>=0&&p[k])) return false;
        }
    }
    return true;
}
int max(int x,int y){return x>y?x:y;}
void search()
{
    int flag=0;
    int maxnum=1<<m;
    for(int i=0;i<maxnum;i++) dp[1][i].init(),dp[0][i].init();
    dp[1][0].vis=1,dp[1][0].update(0,0);
    for(int i=0;i<n;i++)
    {
        flag=i&1;
        for(int now=0;now<maxnum;now++)
        {
            int num=0;
            if(!check(now,i,num)) continue;
            for(int pre=0;pre<maxnum;pre++)
            {
                if(!comp(now,pre)) continue;
                node tmp=dp[!flag][pre];
                int nowsum=0;
                if(!tmp.vis) continue;
                int k=0;
                for(int j=0;j<tmp.top;j++)
                {
                    int sum=tmp.ans[j];
                    if(now&tmp.pre[j]) continue;
                    nowsum=max(nowsum,sum+num);
                    k=1;
                }
                if(!k) continue;
                dp[flag][now].update(pre,nowsum);
//                printf("dp[%d][%d]=%d pre-->%d num-->%d\n",i,now,dp[flag][now].sum(),pre,nowsum);
                dp[flag][now].vis=1;
            }
        }
        for(int j=0;j<maxnum;j++) dp[!flag][j].init();
    }
    int ans=0;
    for(int i=0;i<maxnum;i++)
        if(dp[flag][i].vis) ans=max(ans,dp[flag][i].sum());
    cout<<ans<<endl;
}
int main()
{
    while(cin>>n>>m)
    {
        int x;
        for(int i=0;i<n;i++)
        {
            for(int j=0;j<m;j++)
            {
                cin>>a[i][j];
            }
        }
        search();
    }
    return 0;
}


基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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