20171008

本文分享了作者在算法竞赛中的心得,包括如何应对不同类型的题目如贪心算法和线段树,以及在理解题意和编码过程中的注意事项。

T1:第一道题其实就是一个贪心,这几次考试考完,发现自己并不能很快的找到贪心的贪心方法,而且也找不太对,总是找不到一种正确性显然的贪心方法,然后再写的时候,就会一直怀疑自己的贪心方法,不过这几次做的贪心都是序列上的,共同点就是都用了指针来精确的确定一些位置来进行贪心,贪心其实没有什么固定的套路,其实就是怎么多怎么来,像一些显然的贪心,一般都是O(N)的,这个可以根据复杂度来推算,最后在和暴力对一对

T2:这个又是类似于前天T3的线段树,在update的时候是递归实现的,想这种线段树的通性,就是对于每一棵子树,他们的左右儿子的相互影响是一样的,而且这两道题的全都是,一边的子树,对另一边的子树有影响,这样在合并的时候,就能通过递归来精确的实现合并的接节点的具体情况,从而准确的维护信息

T3:这个题看了半天题,没有看懂,然后给的样例还特别大,大概读题就读了40min,然后按照自己错误的理解打了个暴力,然后发现不对,然后就开始在大样例中找小样例,大概找了25min,然后终于知道了样例是个什么鬼,然后就开始模拟,结果TMD最后忘了处理奇数边的正方形中间的那一个点,然后自己眼瞎,自己造的小样例居然就是没有看出错来,然后就-0000000000-了

总体来说这道题反应的问题就是贪心不太会搞,然后就是一波审题;审题啊!!

转载于:https://www.cnblogs.com/FOXYY/p/7639494.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