poj3926

本文介绍了一种使用单调队列优化动态规划(DP)的方法,通过实例代码详细展示了如何利用单调队列来提高DP算法的效率。文章还记录了作者在实现过程中遇到的一些常见错误及其解决办法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

dp+优化

很明显可以用单调队列优化。

记录下自己犯的sb错误:  数组开小,sum没搞清。。。

#include<cstdio>
#include<cstring>
using namespace std;
const int N = 110, M = 10010;
int n, m, k, ans;
int q[M];
int dp[N][M], sum[N][M], dis[N][M];
inline int max(int x, int y)
{
    return x > y ? x : y;
}
inline int read()
{
    int x = 0, f = 1; char c = getchar();
    while(c < '0' || c > '9') { if(c == '-') f = -1; c = getchar(); }
    while(c >= '0' && c <= '9') { x = x * 10 + c - '0'; c = getchar(); }
    return x * f; 
}
int main()
{
    //dp[i][j] = dp[i - 1][x] + sum[j] - sum[x - 1]
    //dp[i][j] = dp[i - 1][x] + sum[x] - sum[j - 1]
    while(scanf("%d%d%d", &n, &m, &k))
    {
        memset(dp, 0, sizeof(dp));
        ans = 0;
        if(n == 0 && m == 0 && k == 0) break;
        ++n; 
        ++m;
        for(int i = 1; i <= n; ++i)
            for(int j = 2; j <= m; ++j) 
            {
                int x;
                x = read();
                sum[i][j] = sum[i][j - 1] + x;
            }
        for(int i = 1; i <= n; ++i)
            for(int j = 2; j <= m; ++j) 
            {
                int x;
                x = read();
                dis[i][j] = dis[i][j - 1] + x;
            }
        for(int i = 1; i <= n; ++i)
        {
            int l = 1, r = 0;
            q[++r] = 1;
            for(int j = 1; j <= m; ++j) 
            {
                while(l <= r && dp[i - 1][j] - sum[i][j] > dp[i - 1][q[r]] - sum[i][q[r]]) --r;
                q[++r] = j;
                while(l <= r && dis[i][j] - dis[i][q[l]] > k) ++l;
                dp[i][j] = dp[i - 1][q[l]] + sum[i][j] - sum[i][q[l]];
            } 
            l = 1; 
            r = 0;
            q[++r] = m;
            for(int j = m; j; --j)
            {
                while(l <= r && dp[i - 1][j] + sum[i][j] > dp[i - 1][q[r]] + sum[i][q[r]]) --r;
                q[++r] = j;    
                while(l <= r && dis[i][q[l]] - dis[i][j] > k) ++l;
                dp[i][j] = max(dp[i][j], dp[i - 1][q[l]] + sum[i][q[l]] - sum[i][j]);
                if(i == n) ans = max(ans, dp[i][j]);
            }
        }
        printf("%d\n", ans);
    }
    return 0;
}
View Code

 

转载于:https://www.cnblogs.com/19992147orz/p/7119201.html

1. 用户与身体信息管理模块 用户信息管理: 注册登录:支持手机号 / 邮箱注册,密码加密存储,提供第三方快捷登录(模拟) 个人资料:记录基本信息(姓名、年龄、性别、身高、体重、职业) 健康目标:用户设置目标(如 “减重 5kg”“增肌”“维持健康”)及期望周期 身体状态跟踪: 体重记录:定期录入体重数据,生成体重变化曲线(折线图) 身体指标:记录 BMI(自动计算)、体脂率(可选)、基础代谢率(根据身高体重估算) 健康状况:用户可填写特殊情况(如糖尿病、过敏食物、素食偏好),系统据此调整推荐 2. 膳食记录与食物数据库模块 食物数据库: 基础信息:包含常见食物(如米饭、鸡蛋、牛肉)的名称、类别(主食 / 肉类 / 蔬菜等)、每份重量 营养成分:记录每 100g 食物的热量(kcal)、蛋白质、脂肪、碳水化合物、维生素、矿物质含量 数据库维护:管理员可添加新食物、更新营养数据,支持按名称 / 类别检索 膳食记录功能: 快速记录:用户选择食物、输入食用量(克 / 份),系统自动计算摄入的营养成分 餐次分类:按早餐 / 午餐 / 晚餐 / 加餐分类记录,支持上传餐食照片(可选) 批量操作:提供常见套餐模板(如 “三明治 + 牛奶”),一键添加到记录 历史记录:按日期查看过往膳食记录,支持编辑 / 删除错误记录 3. 营养分析模块 每日营养摄入分析: 核心指标计算:统计当日摄入的总热量、蛋白质 / 脂肪 / 碳水化合物占比(按每日推荐量对比) 微量营养素分析:检查维生素(如维生素 C、钙、铁)的摄入是否达标 平衡评估:生成 “营养平衡度” 评分(0-100 分),指出摄入过剩或不足的营养素 趋势分析: 周 / 月营养趋势:用折线图展示近 7 天 / 30 天的热量、三大营养素摄入变化 对比分析:将实际摄入与推荐量对比(如 “蛋白质摄入仅达到推荐量的 70%”) 目标达成率:针对健
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