ZOJ 3941 Kpop Music Party

本文介绍了一种解决特定区间合并问题的方法,并通过枚举和贪心策略来找到最优解。利用C++实现区间合并算法,针对每个可能的区间末端进行枚举,以确保能够覆盖所有情况。

先把能合并的区间都合并起来。

考虑最裸的贪心策略,从左到右一段一段的取。

但是,这样会有错,错在没有考虑每段区间选取最后一个点。

因为N只有10,所以枚举一下哪些区间最后一个点会被选择,然后按照最裸的的贪心策略从左到右选择即可,每次更新最大值。

#include<cstdio>
#include<cstring>
#include<cmath>
#include<map>
#include<algorithm>
using namespace std;

const int maxn=15;
struct X
{
    long long L,R;
} s[maxn],tmp[maxn];
int n;
long long k,m,ans;
int g[maxn];

bool cmp(const X&a,const X&b)
{
    if(a.L==b.L) return a.R<b.R;
    return a.L<b.L;
}

void f()
{
    sort(tmp+1,tmp+1+n,cmp);
    int cnt=1;
    s[1].L=tmp[1].L,s[1].R=tmp[1].R;
    for(int i=2; i<=n; i++)
    {
        if(tmp[i].L<=s[cnt].R+1)
            s[cnt].R=max(s[cnt].R,tmp[i].R);
        else
        {
            cnt++;
            s[cnt].L=tmp[i].L,s[cnt].R=tmp[i].R;
        }
    }
    n=cnt;
}

long long check()
{
    long long sum=0,pos=0; long long sy=m;

    for(int i=1;i<=n;i++)
    {
        if(pos<s[i].L)
        {
            long long u=min(sy,(s[i].R-s[i].L+1)/k);
            sum=sum+u*k,pos=s[i].L-1+u*k;
            sy=sy-u; if(sy==0) return sum;

            if(pos<s[i].R)
            {
                sum=sum+k,pos=pos+k;
                sy=sy-1; if(sy==0) return sum;
            }

            if(g[i]==1)
            {
                sum=sum+s[i].R+k-1-pos;
                pos=s[i].R+k-1;
                sy=sy-1; if(sy==0) return sum;
            }
        }
        else if(pos>=s[i].R)
        {
            if(g[i]==1)
            {
                sum=sum+s[i].R+k-1-pos;
                pos=s[i].R+k-1;
                sy=sy-1; if(sy==0) return sum;
            }
        }
        else
        {
            long long u=min(sy,(s[i].R-pos)/k);
            sum=sum+u*k,pos=pos+u*k;
            sy=sy-u; if(sy==0) return sum;

            if(pos<s[i].R)
            {
                sum=sum+k,pos=pos+k;
                sy=sy-1; if(sy==0) return sum;
            }

            if(g[i]==1)
            {
                sum=sum+s[i].R+k-1-pos;
                pos=s[i].R+k-1;
                sy=sy-1; if(sy==0) return sum;
            }
        }
    }
    return sum;
}

void dfs(int tot)
{
    if(tot==n+1)
    {
        ans=max(ans,check());
        return;
    }
    g[tot]=0; dfs(tot+1);
    g[tot]=1; dfs(tot+1);
}

int main()
{
    int T;
    scanf("%d",&T);
    while(T--)
    {
        ans=0;
        scanf("%d%lld%lld",&n,&k,&m);
        for(int i=1; i<=n; i++)
            scanf("%lld%lld",&tmp[i].L,&tmp[i].R);
        f();
        dfs(1);
        printf("%lld\n",ans);
    }
    return 0;
}

 

转载于:https://www.cnblogs.com/zufezzt/p/5430084.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