BZOJ2274

本文介绍了一种使用树状数组优化动态规划(DP)的方法,解决了一个特定的问题:如何高效地找到满足条件sum[j]<=sum[i]的所有j对应的f[j]之和。通过离散化和树状数组的应用,将原始O(N^2)的时间复杂度降低到更优的状态。

f[i]=∑f[j] (sum[j]<=sum[i]).

sum为前缀和.

裸的DP是O(N^2)的,其实我们要找的j只需满足sum[j]<=sum[i],然后求和.

而树状数组天生就是干这个的.范围大,离散化一下就好了.

code:

/************************************************************** 
    Problem: 2274
    User: exponent 
    Language: Pascal 
    Result: Accepted 
    Time:140 ms 
    Memory:2568 kb 
****************************************************************/ 
  
const maxn=100001; 
      mo=1000000009; 
var   s,t,p,q,f,c:array[0..maxn] of longint; 
      n,i,num,pre,pos,rank:longint; 
  
  
      procedure swap(var a,b:longint); 
      var   temp:longint; 
      begin
            temp:=a; a:=b; b:=temp; 
      end; 
  
      procedure sort(l,r:longint); 
      var   i,j,mid:longint; 
      begin
            i:=l; j:=r; 
            mid:=s[(l+r)>>1]; 
            while i<=j do
            begin
                  while s[i]<mid do inc(i); 
                  while s[j]>mid do dec(j); 
                  if i<=j then
                  begin
                        swap(s[i],s[j]); 
                        swap(p[i],p[j]); 
                        inc(i); dec(j); 
                  end; 
            end; 
            if i<r then sort(i,r); 
            if j>l then sort(l,j); 
      end; 
  
      function lowbit(i:longint):longint; 
      begin
            lowbit:=i and (i xor (i-1)); 
      end; 
  
      procedure change(i,delta:longint); 
      begin
            while i<=maxn do
            begin
                  c[i]:=(c[i]+delta) mod mo; 
                  inc(i,lowbit(i)); 
            end; 
      end; 
  
      function getsum(i:longint):longint; 
      begin
            getsum:=0; 
            while i>0 do
            begin
                  getsum:=(getsum+c[i]) mod mo; 
                  dec(i,lowbit(i)); 
            end; 
      end; 
  
begin
      readln(n); 
      for i:=1 to n do
      begin
            readln(num); 
            s[i]:=s[i-1]+num; 
            p[i]:=i; 
            q[i]:=s[i]; 
      end; 
      sort(1,n); 
      pre:=s[1]; 
      t[p[1]]:=1; 
      rank:=1; 
      for i:=2 to n do
         if s[i]=pre then t[p[i]]:=rank 
         else
         begin
               pre:=s[i]; 
               inc(rank); 
               t[p[i]]:=rank; 
         end; 
  
      f[0]:=1; 
      change(1,1); 
      for i:=1 to n do
      if q[i]>=0 then
      begin
            f[i]:=getsum(t[i]); 
            change(t[i],f[i]); 
      end; 
      writeln(f[n]); 
end.

转载于:https://www.cnblogs.com/exponent/archive/2011/08/13/2137421.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