trainging contest#1(2011大连现场赛)C BY bly

本文介绍了一种奇妙的性质,该性质将复杂的问题转化为简单的区间动态规划问题。通过这一性质,我们定义了两种状态dp[i][l][0]和dp[i][l][1],分别表示从区间[i,i+l]的起始位置和结束位置开始操作所需的最短时间,并给出了状态转移方程。

需要推出一个很奇妙的性质,知道了这个性质之后这道题就是道简单区间dp了。

就是一段区间[i,j]必须从2个端点之一开始按,仔细想想确实是这样的,比赛的时候贪心不出dp顺序,还以为是搜索(还是思维太弱了……)

这样设置状态dp[i][l][0]为区间[i,i+l]先取第一个所需的最短时间

                         dp[i][l][1]为区间[i,i+l]先取最后一个所需的最短时间

然后状态方程为dp[i][l][0]=min(dp[i+1][l-1][0]+D[i+1]-D[i],dp[i+1][l-1][1]+D[i+l]-D[i]);

                            dp[i][l][1]=min(dp[i][l-1][0]+D[i+l]-D[i],dp[i][l-1][1]+D[i+l]-D[i+l-1]);

#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;
const int maxn=210;
const int inf=1<<30;
int n;
int T[maxn],D[maxn];
int dp[maxn][maxn][2];
int first;
void print(int p,int l,int d)
{
    if(l==0)
    {
        if(first)
        {
            first=0;
            printf("%d",p+1);
        }
        else printf(" %d",p+1);
        return;
    }
    int t=(d==0?p:p+l-1);
    if(first)
    {
        first=0;
        printf("%d",t+(d==0?1:2));
    }
    else printf(" %d",t+(d==0?1:2));
    if(dp[p][l][d]==dp[p+(d^1)][l-1][d]+D[t+1]-D[t]) print(p+(d^1),l-1,d);
    else print(p+(d^1),l-1,d^1);
}
int main()
{
    //freopen("in.txt","r",stdin);
    while(scanf("%d",&n)!=EOF)
    {
        for(int i=0;i<n;i++) scanf("%d",&T[i]);
        for(int i=0;i<n;i++) scanf("%d",&D[i]);
        for(int i=0;i<n;i++) dp[i][0][0]=dp[i][0][1]=0;
        for(int l=1;l<n;l++)
        {
            for(int i=0;i+l<n;i++)
            {
                int &d0=dp[i][l][0],&d1=dp[i][l][1];
                d0=d1=inf;
                if(dp[i+1][l-1][0]+D[i+1]-D[i]<T[i])
                    d0=min(d0,dp[i+1][l-1][0]+D[i+1]-D[i]);
                if(dp[i+1][l-1][1]+D[i+l]-D[i]<T[i])
                    d0=min(d0,dp[i+1][l-1][1]+D[i+l]-D[i]);
                if(dp[i][l-1][0]+D[i+l]-D[i]<T[i+l])
                    d1=min(d1,dp[i][l-1][0]+D[i+l]-D[i]);
                if(dp[i][l-1][1]+D[i+l]-D[i+l-1]<T[i+l])
                    d1=min(d1,dp[i][l-1][1]+D[i+l]-D[i+l-1]);
                //cout<<i<<" "<<l<<" "<<d0<<" "<<d1<<endl;
            }
        }
        if(dp[0][n-1][0]>=T[0] && dp[0][n-1][1]>=T[n-1]) puts("Mission Impossible");
        else
        {
            first=1;
            if(dp[0][n-1][0]<T[0]) print(0,n-1,0);
            else print(0,n-1,1);
            puts("");
        }
    }
    return 0;
}


内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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