bzoj1107:[POI2007]驾驶考试egz

本文介绍了一种优化路径寻找的算法技巧,通过反向建图和图上下翻转的方法,解决了节点间转移的问题。利用树状数组或二分法求解最长递增子序列,确保了从任意一点出发都能到达所有其他道路。同时,文章详细阐述了代码实现过程,包括输入读取、数据结构定义、关键函数设计等。

传送门

有个非常显然的技巧,就是你可以反向建图,并且将图上下翻转,如果\(i\)能到其他所有道路,其他所有的道路也能到\(i\)
这有什么好处呢,这就可以使\(i\)可以非常方便的转移到\(i+1\)
我们设\(f[i]\)\(i\)左边至少要建的公路数,然而\(f[i]=i-1-lis\)
所以只要求lis就行了,树状数组/二分都行
一个小细节:由于一条纵向公路上的横向公路有多条,他们之间可能会互相影响导致答案错误,所以要先更新答案再统一修改
代码(作者自己写懵了,如有什么奇怪的地方请无视):

#include<cstdio>
#include<iostream>
#include<algorithm>
#include<vector>
using namespace std;
void read(int &x) {
    char ch; bool ok;
    for(ok=0,ch=getchar(); !isdigit(ch); ch=getchar()) if(ch=='-') ok=1;
    for(x=0; isdigit(ch); x=x*10+ch-'0',ch=getchar()); if(ok) x=-x;
}
#define rg register
const int maxn=1e5+10;
int n,m,p,k,ans,now[maxn],f[maxn],fl[maxn],fr[maxn],l[maxn],r[maxn],ans1;
vector<int>a[2][maxn];
#define lowbit(i) (i&-i)
void add(int x,int v){for(rg int i=x;i<=m;i+=lowbit(i))f[i]=max(v,f[i]);}
int get(int x){int ans=0;for(rg int i=x;i;i-=lowbit(i))ans=max(ans,f[i]);return ans;}
int main()
{
    read(n),read(m),read(p),read(k),m+=3;
    for(rg int i=1,x,y,z;i<=p;i++)read(x),read(y),read(z),a[z^1][x].push_back(m-y);
    for(rg int i=1;i<=n;i++)
    {
        int d=a[0][i].size();l[i]=l[i-1];
        for(rg int j=0;j<d;j++)now[j]=get(a[0][i][j])+1,l[i]=max(now[j],l[i]);
        for(rg int j=0;j<d;j++)add(a[0][i][j],now[j]);
        fl[i]=max(i-l[i]-1,0);
    }
    for(rg int i=1;i<=m;i++)f[i]=0;
    for(rg int i=n;i>=1;i--)
    {
        int d=a[1][i].size();r[i]=r[i+1];
        for(rg int j=0;j<d;j++)now[j]=get(a[1][i][j])+1,r[i]=max(now[j],r[i]);
        for(rg int j=0;j<d;j++)add(a[1][i][j],now[j]);
        fr[i]=n-i-r[i];
    }
    for(rg int i=1;i<=n;i++)if(!(fl[i]+fr[i]))ans1++;
    int ll=1,rr=1;
    while(rr<=n&&ll<=rr)
    {
        while(rr<=n&&fl[rr]+fr[ll]<=k)rr++;
        ans=max(ans,rr-ll);ll++;
    }
    printf("%d\n",ans-ans1);
}

转载于:https://www.cnblogs.com/lcxer/p/10384922.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