归并排序应用-------小和问题

本文介绍了解决小和问题的两种方法:暴力求解和利用归并排序。暴力求解的时间复杂度为O(n^2),而通过归并排序解决该问题的时间复杂度可以降低到O(nlogn)。

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

1、小和问题:类似月逆序对问题,是求给定序列中每个数前面比其小的数,然后累加,求出总和sum 

2、代码

(1)暴力求解,时间复杂度O(n^2)

//小和问题O(n^2)
#include<bits/stdc++.h>
using namespace std;

int main()
{
    int n, i , j;
    int a[100];
    while(~scanf("%d",&n))
    {
        for(i = 0; i < n; i++)
            scanf("%d",&a[i]);
        int res = 0;
        for(i = 1; i < n; i++)
        {
            for(int j = 0; j < i; j++)
                if(a[j] < a[i])
                    res += a[j];
        }
        printf("%d\n",res);
    }
}
/*
5
3 5 1 4 6
*/

(2)归并排序求解,时间复杂度O(nlogn)

//Mergesort 应用 小和问题O(nlogn)
#include<bits/stdc++.h>
using namespace std;
const int maxn = 100;
int temp[maxn];
int Merge(int a[], int l, int mid, int r)
{
    int i = l,j = mid + 1,k = 0;
    int res = 0;
    while(i <= mid && j <= r)
    {
        if(a[i] < a[j])
        {
            res += (r - j + 1) * a[i];
            temp[k++] = a[i++];
        }
        else
        {
            temp[k++] = a[j++];
        }
    }

    while(i <= mid)
    {
        temp[k++] = a[i++];
    }
    while(j <= r)
    {
        temp[k++] = a[j++];
    }

    for(int i = l, k = 0; i <= r; i++,k++)
        a[i] = temp[k];

    return res;
}

int MergeSort(int a[], int l, int r)
{
    if(l == r)
        return 0;
    int mid = l + ((r-l)>>1);
    return MergeSort(a,l,mid) + MergeSort(a,mid+1,r) + Merge(a,l,mid,r);
}

int main()
{
    int n;
    int a[maxn];
    while(~scanf("%d",&n))
    {
        for(int i = 0; i < n; i++)
            scanf("%d",&a[i]);
        int smallsum = MergeSort(a,0,n-1);
        printf("%d\n",smallsum);
    }

    return 0;
}
/*
5
3 5 1 4 6
*/

 

转载于:https://www.cnblogs.com/mcgrady_ww/p/8278918.html

内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支高频结构先验建模分支结合Transformer模块注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员工程师,尤其是对核磁共振图像超分辨率感兴趣的学者技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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