Bzoj 1911: [Apio2010]特别行动队(斜率优化)

本文介绍了一个名为Apio2010特别行动队的问题,并提供了两种解决方案:一种是暴力求解法,另一种是通过斜率优化的方法。通过对最大战斗力的计算,展示了如何使用动态规划来解决问题。

1911: [Apio2010]特别行动队
Time Limit: 4 Sec Memory Limit: 64 MB
Description
这里写图片描述
Input
这里写图片描述
Output
这里写图片描述
Sample Input
4
-1 10 -20
2 2 3 4
Sample Output
9

/*
暴力50.
令f[i]表示1到i的最大战斗力.
f[i]=max(f[i],f[j]+
(s[i]-sum[j])*(sum[i]-sum[j])*a+(sum[i]-sum[j])*b+c)
方程显然.
*/
#include<iostream>
#include<cstdio>
#include<cstring>
#define MAXN 10001
#define LL long long
using namespace std;
LL f[MAXN],n,sum[MAXN],a,b,c;
int read()
{
    int x=0,f=1;char ch=getchar();
    while(ch<'0'||ch>'9'){if(ch=='-')f=-1;ch=getchar();}
    while(ch>='0'&&ch<='9') x=x*10+ch-48,ch=getchar();
    return x*f;
}
void slove()
{
    memset(f,-127/3,sizeof f);f[0]=0;
    for(int i=1;i<=n;i++)
    {
        for(int j=0;j<i;j++)
          f[i]=max(f[i],f[j]+
          (sum[i]-sum[j])*(sum[i]-sum[j])*a+(sum[i]-sum[j])*b+c);
    }
    cout<<f[n];
}
int main()
{
    int x;
    n=read();
    a=read(),b=read(),c=read();
    for(int i=1;i<=n;i++) x=read(),sum[i]=sum[i-1]+x;
    slove();
    return 0;
}
/*
斜率优化.
考虑有一个y>x,且y的决策值比x优.
则有
f[y]+a*(sum[y]-sum[i])*(sum[y]-sum[i])-b*(sum[y]-sum[i])
 > f[x]+a*(sum[x]-sum[i])*(sum[x]-sum[i])-b*(sum[x]-sum[i]).
整理得:(f[y]+a*sum[y]*sum[y]-b*sum[y])-(f[x]+a*sum[x]*sum[x]-b*sum[x]) 
>2*a*(sum[j]-sum[k])*sum[i].
so  (f[y]+a*sum[y]*sum[y]-b*sum[y])-(f[x]+a*sum[x]*sum[x]-b*sum[x])/(sum[j]-sum[k])
>2*a*sum[i]
(注意a小于0)。
由题可知,sum[i]是单调递增的,
so 如果上面那个东西<sum[i],则一定<sum[i+1].
所以这时x的决策值不会影响答案.
我们用单调队列维护一个上凸性质,
用队首元素更新答案即可.
*/
#include<iostream>
#include<cstdio>
#define MAXN 1000001
#define LL long long
using namespace std;
LL f[MAXN],n,sum[MAXN],a,b,c,q[MAXN],head,tail;
int read()
{
    int x=0,f=1;char ch=getchar();
    while(ch<'0'||ch>'9'){if(ch=='-')f=-1;ch=getchar();}
    while(ch>='0'&&ch<='9') x=x*10+ch-48,ch=getchar();
    return x*f;
}
double F(int x)
{
    return f[x]+a*sum[x]*sum[x]-b*sum[x];
}
double check(int x,int y)
{
     return double(F(y)-F(x))/double((sum[y]-sum[x])*a*2);
}
void slove()
{
    for(int i=1;i<=n;i++)
    {
        while(head<tail&&check(q[head],q[head+1])<sum[i]) head++;
        f[i]=f[q[head]]+a*(sum[i]-sum[q[head]])*(sum[i]-sum[q[head]])+b*(sum[i]-sum[q[head]])+c;
        while(head<tail&&check(q[tail],i)<check(q[tail-1],q[tail])) tail--;
        q[++tail]=i;
    }
    cout<<f[n];
}
int main()
{
    int x;
    n=read();
    a=read(),b=read(),c=read();
    for(int i=1;i<=n;i++) x=read(),sum[i]=sum[i-1]+x;
    slove();
    return 0;
}

转载于:https://www.cnblogs.com/nancheng58/p/10068030.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