hdu 4374 单调队列

本文介绍了一种使用单调队列解决最大K连续子序列和问题的方法,通过预计算前缀和并利用单调队列维护窗口,实现了高效查找任意长度为K的子序列的最大和。


求一个最大k连续的子序列和   单调队列


#include<stdio.h>
#include<string.h>
#include<iostream>
using namespace std;

int num[201000],id[201000],sum[201000];
int main()
{
    int n,m,i,j,T;
    scanf("%d",&T);
    while(T--)
    {
        scanf("%d%d",&n,&m);
        sum[0]=0;
        for(i=1;i<=n;i++)
        {
            scanf("%d",&num[i]);
            sum[i]=sum[i-1]+num[i];
        }
        for(i=n+1;i<=n+m;i++)
        sum[i]=sum[i-1]+num[i-n];
        int Max=-999999999;
        int front=0,top=0,star,end;
        for(i=1;i<=n+m;i++)
        {
            while(front<top&&sum[i-1]<sum[id[top-1]])
            top--;
            id[top++]=i-1;
            while(i-id[front]>m&&front<top)
            front++;
            if(sum[i]-sum[id[front]]>Max)
            {
                star=id[front]+1;
                end=i;
                Max=sum[i]-sum[id[front]];
            }    
        }
        if(star>n) star%=n;
        if(end>n) end%=n;
        printf("%d %d %d\n",Max,star,end);
    }
    return 0;
}

版权声明:本文博客原创文章,博客,未经同意,不得转载。

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