起床困难综合症[NOI2014]

本文解析了一道关于位运算的贪心算法题,通过从前向后处理每一位,选择更优的操作来达到最佳效果。文章提供了完整的代码实现,并介绍了如何预处理2的幂次以简化二进制位操作。

【题解】

       并不算很困难的贪心题。位运算毕竟是针对每一位的,从前向后处理,如果某一位1比0更优且可取1就使它为1。比较0和1的结果要单取这一位来看,但是题目中所给的参数并没有必要全部二进制分解,直接用十进制得到的答案是一样的。预处理出2的前29次方(几乎是正好卡到10^9),取二进制位就变得更简单了。

#include<iostream>
#include<cstdio>
#include<cstring>
using namespace std;
int ef[30],n,m,cs[100010],temp,tp,jg,wf;
char a[100010][5];
int main()
{
    //freopen("t.txt","r",stdin);
    freopen("sleep.in","r",stdin);
    freopen("sleep.out","w",stdout);
    ef[0]=1;
    scanf("%d%d",&n,&m);
    for(int i=1;i<=n;i++) scanf("%s%d",a[i],&cs[i]);
    temp=0;
    for(int i=1;i<=29;i++)
    { 
      ef[i]=ef[i-1]<<1;
      if(ef[i]<=m) temp=i;
    }
    for(int i=temp+1;i>=0;i--)
    {
       if(jg+ef[i]>m)  continue;
       tp=ef[i];
       for(int j=1;j<=n;j++)
       {
          if(a[j][0]=='X')  tp^=cs[j];
          if(a[j][0]=='A')  tp&=cs[j];
          if(a[j][0]=='O')  tp|=cs[j];
       }
       wf=0;
       for(int j=1;j<=n;j++)
       {
          if(a[j][0]=='X')  wf^=cs[j];
          if(a[j][0]=='A')  wf&=cs[j];
          if(a[j][0]=='O')  wf|=cs[j];
       }
       if((wf&ef[i])<(tp&ef[i])) jg+=ef[i];
    }
    for(int i=1;i<=n;i++)
    {
        if(a[i][0]=='X')  jg^=cs[i];
        if(a[i][0]=='A')  jg&=cs[i];
        if(a[i][0]=='O')  jg|=cs[i];
    }
    printf("%d",jg);
    //while(1);
    return 0;
}

 

转载于:https://www.cnblogs.com/moyiii-/p/7241675.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