【UESTC 594】我要长高

针对韩父因舟子评论导致的经济损失问题,采用动态规划算法调整儿子们的身高以最小化损失。通过三维DP状态转移,枚举每个人及其可能的身高变化,计算最小成本。

题目连接:https://vjudge.net/problem/UESTC-594

韩父有NN个儿子,分别是韩一,韩二…韩NN。由于韩家演技功底深厚,加上他们间的密切配合,演出获得了巨大成功,票房甚至高达20002000万。舟子是名很有威望的公知,可是他表面上两袖清风实则内心阴暗,看到韩家红红火火,嫉妒心遂起,便发微薄调侃韩二们站成一列时身高参差不齐。由于舟子的影响力,随口一句便会造成韩家的巨大损失,具体亏损是这样计算的,韩一,韩二…韩NN站成一排,损失即为C×C×(韩ii与韩i+1i+1的高度差(1i<N1≤i<N))之和,搞不好连女儿都赔了.韩父苦苦思索,决定给韩子们内增高(注意韩子们变矮是不科学的只能增高或什么也不做),增高11cm是很容易的,可是增高1010cm花费就很大了,对任意韩ii,增高HHcm的花费是H2H2.请你帮助韩父让韩家损失最小。

Input

有若干组数据,一直处理到文件结束。

每组数据第一行为两个整数:韩子数量NN(1N500001≤N≤50000)和舟子系数CC(1C1001≤C≤100)

接下来NN行分别是韩i的高度(1hi1001≤hi≤100)。

Output

对每组测试数据用一行输出韩家的最小损失。

Sample Input

5 2
2
3
5
1
4

Sample Output

15

Hint

输入数据多请使用scanf代替cin

题解:我连线性Dp都没一次过吗(哭了),先讲下N*H*H的算法吧。(我一开始初始化有问题)

           第一层i先枚举n个人,第二次枚举n个人的身高j,第三层枚举k,即第i-1个人的身高。

#include<iostream>
#include<algorithm>
#include<queue>
#include<cmath>
#include<cstring>
#include<cstdlib>
#include<cstdio>
using namespace std;
const int oo=0x3f3f3f3f;
const int N=50005;
int fun,n,c,a[N],dp[N][101];
int ans=oo;
int main(){
    freopen("1685.in","r",stdin);
    freopen("1685.out","w",stdout);
    scanf("%d %d",&n,&c);
    memset(dp,0x3f,sizeof(dp));
    scanf("%d",&a[1]);
    for(int j=a[1];j<=100;j++){
        dp[1][j]=(j-a[1])*(j-a[1]);
        //cout<<dp[1][j]<<endl;
    }
    for(int i=2;i<=n;i++)
        scanf("%d",&a[i]);
    for(int i=2;i<=n;i++){
        //dp[i][a[i]]=0;
        for(int j=a[i];j<=100;j++){
            for(int k=a[i-1];k<=100;k++){
                fun=dp[i-1][k]+abs(j-k)*c+(a[i]-j)*(a[i]-j);
                dp[i][j]=min(dp[i][j],fun);
            } 
        }
    }
    for(int i=0;i<=100;i++)
        ans=min(dp[n][i],ans);
    printf("%d\n",ans);
    return 0;
}

 

转载于:https://www.cnblogs.com/wuhu-JJJ/p/11335014.html

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