多重背包

多重背包优化技巧
本文分享了两种多重背包问题的优化方法:二进制优化和单调队列优化,并提供了详细的代码实现,旨在帮助读者理解并掌握这些高效算法。

  总是反反复复的学着已经学习过的东西,只希望自己有朝一日可以挣脱这枷锁。。

  小文艺一下,下面我贴上自己经常用的两个关于多重背包的优化的模板,还记得以前找单调队列的优化的时候,找了很多地方,加上自己那时候单调队列懵懵懂懂的感觉,就觉得特别困难。希望对别人能有所帮助。我值提供代码,要看详细解释的背包九讲及其很多地方会有很好的解释的。

二进制的优化:

View Code
for(int i=1;i<=n;i++)
{
    int s,count,tmp;
    s=0,count=1,tmp=num[i];
    while(s<tmp)
    {
        for(int j=sum;j>=cost[i]*count;j--)
            dp[j]=max(dp[j],dp[j-count*cost[i]]+count*val[i]);
        s+=count;
        if(tmp-s<count*2)
            count=tmp-s;
        else
            count*=2;
    }
}

单调队列优化:

View Code
struct Node 
{
    int tag;
    int val;
    Node(int t=0,int v=0):tag(t),val(v){}
}que[maxm];

for(int i=1;i<=n;i++)
{
   scanf("%d %d %d",&c,&w,&num);
   num=min(num,m/c);
   for(int k=0;k<c;k++) 
   {
       int head,tail;
       head=1,tail=0;
       for(int j=0;j<=(m-k)/c;j++)
       {
           int tmp=dp[j*c+k]-j*w;
           while(head<=tail&&que[tail].val<=tmp) tail--;
           que[++tail]=Node(j,y)
           while(que[head].tag<j-num) head++;
           dp[j*c+k]=que[head].val+j*w;
       }
   }
}

每天的每天都告诉自己,加油!

 

转载于:https://www.cnblogs.com/RainingDays/archive/2013/05/01/3053274.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