Balance(poj 1837)

题意:一个天平上有C个挂钩,第i个挂钩的位置为C[i],C[i] < 0表示该挂钩在原点的左边,C[i] > 0表示该挂钩在原点的右边;然后给出G个钩码的重量,问有多少种挂法使得天平保持平衡。

/*
      首先定义一个平衡度j的概念:当平衡度j=0时,说明天枰达到平衡,
  j>0,说明天枰倾向右边(x轴右半轴),j<0则相反
      f[i][j]表示钩码挂到第i个时,平衡度为j的方案数
      由于距离c[i]的范围是-15~15,钩码重量的范围是1~25,钩码数量
  最大是20,因此最极端的平衡度是所有物体都挂在最远端,因此平衡度
  最大值为j=15*20*25=7500。原则上就应该有f[ 1~20 ][-7500 ~ 7500 ]。
  因此为了不让下标出现负数,数组开为f[1~20][0~15000],则当j=7500时
  天枰为平衡状态
    
      当我们挂到第i个时,面临一个抉择:向哪里挂?摆在我们眼前的是
  C个挂钩码的位置,我们应该每个钩码都挂一次试试,假设挂到第k个位置
  时,当前平衡值为j,挂完这个钩码后,j变成j+pos[k]*w[i],因此我们得
  到转移方程:f[i][j]+=f[i-1][j+pos[k]*w[i]]
*/
#include<cstdio>
#include<iostream>
#define M 10010
#define N 25
using namespace std;
int w[N],pos[N],f[N][M],C,G;
int main()
{
    scanf("%d%d",&C,&G);
    for(int i=1;i<=C;i++)
      scanf("%d",&pos[i]);
    for(int i=1;i<=G;i++)
      scanf("%d",&w[i]);
    f[0][7500]=1;
    for(int i=1;i<=G;i++)
      for(int j=0;j<=15000;j++)
          for(int k=1;k<=C;k++)
          if(j+pos[k]*w[i]>=0)
            f[i][j]+=f[i-1][j+pos[k]*w[i]];        
    printf("%d",f[G][7500]);
    return 0;
}
View Code

 

转载于:https://www.cnblogs.com/harden/p/5616697.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