【ACM省赛】第九届河南省程序设计大赛 B 宣传墙

博客给出一道题目,要求用1*2的地砖填满4*N的墙,计算方案数。题解采用状压dp方法,通过枚举每个状态的可能转移状态并进行计算来求解。

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

题目链接:http://nyoj.top/web/contest/problem/cid/13/num/B

题目:

用1*2的地砖,填满4*N的墙,有多少种方案。

题解:

状压dp,枚举每个状态的可能转移状态,再计算。

#include<bits/stdc++.h>
using namespace std;
const int mod=997;
const int maxn=1e6+10;
int a[maxn][16];
int main()
{
	a[1][0]=1;					//转移到第一列的时候,可能的方案为1。因为无法填入,所以只有0这一种状态 
	for(int i=2;i<1e6+5;i++)	//合法状态0 3 6 9 12 15 
	{
		a[i][0]=(a[i-1][0]+a[i-1][3]+a[i-1][9]+a[i-1][12]+a[i-1][15])%mod;
		a[i][3]=(a[i-1][0]+a[i-1][12])%mod;
		a[i][6]=(a[i-1][9])%mod;
		a[i][9]=(a[i-1][0]+a[i-1][6])%mod;
		a[i][12]=(a[i-1][0]+a[i-1][3])%mod;
		a[i][15]=(a[i-1][0])%mod;
	}
	int t;
	cin>>t;
	while(t--)
	{
		int n,m,k;
		cin>>n>>m>>k;
		int l=m-1,r=n-(k+m-1);
		printf("%d %d\n", a[l+1][0], a[r+1][0]); //输出下一列没溢出来的状态
	} 
	return 0;
} 

 

#include<bits/stdc++.h>
using namespace std;
long long dp[2][20];
const int mod=997;
int n=1000000,m=4;
int a[1000005];
void f()
{
	int total=1<<m,pre=0,now=1;
	memset(dp[now],0,sizeof(dp[now]));
	dp[now][0]=1;
	for(int i=0;i<n;i++)		//列 
	{
		for(int j=0;j<m;j++)	//行 
		{
			swap(now,pre);
			memset(dp[now],0,sizeof(dp[now]));
			for(int S=0;S<total;S++) 	//枚举状态
			{
				if( dp[pre][S] )
				{
					dp[now][S^(1<<j)]=(dp[now][S^(1<<j)]+dp[pre][S])%mod;
					if( j && S&(1<<(j-1)) && !(S&(1<<j)))
						dp[now][S^(1<<(j-1))]=(dp[now][S^(1<<(j-1))]+dp[pre][S])%mod;
				}
			}
		}
		a[i]=dp[now][0];
	}
}
int main()
{
	int t;
	cin>>t;
	f();
	while(t--)
	{
		int d,b,c;
        cin>>d>>b>>c;
        int x1=b-1;
        int x2=d-(b+c-1);
        
        cout<<a[x1-1]<<' ';
        cout<<a[x2-1]<<endl;
	}
}

 

内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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