NYoj 613 免费馅饼

本文介绍了一个使用动态规划解决的趣味问题:在一维坐标轴上收集随着时间出现的馅饼,目标是在限定时间内获得最多数量的馅饼。通过定义状态转移方程并采用动态规划算法实现,最终输出最大馅饼数。

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

#include<cstdio>
#include<cstring>
#define Max(a,b) (a>b?a:b)
#define max 100000+5
int dp[max][11];          //dp[i][j]表示在i秒时站在j点处可得到的馅饼个数的最大值
int  map[max][11];      //把每秒钟每个坐标的馅饼个数存储在map矩阵中

int MAX(int a,int b,int c){
    if(a<b){
        a=b;
    }
    if(a<c){
        a=c;
    }
    return a;
}

int main(){
    int n;
    while(~scanf("%d",&n)&&n){
        memset(dp,0,sizeof(dp));
        memset(map,0,sizeof(map));
        int s=0;
        for(int i=0;i<n;i++){
            int x,t;
            scanf("%d%d",&x,&t);
            map[t][x]++;
            if(t>s){
                s=t;
            }
        }
        int ans=0,l,r;
        l=4;r=6;//初始为5,所以有可能获得馅饼的坐标为4,5,6
        for(int i=1;i<=s;i++){
            for(int j=l;j<=r;j++){
                if(j==0){
                    dp[i][j]=Max(dp[i-1][j],dp[i-1][j+1])+map[i][j];
                }
                else if(j==10){
                    dp[i][j]=Max(dp[i-1][j-1],dp[i-1][j])+map[i][j];
                }
                else{
                    dp[i][j]=MAX(dp[i-1][j-1],dp[i-1][j],dp[i-1][j+1])+map[i][j];
                }
                if(ans<dp[i][j]){
                    ans=dp[i][j];
                }
            }
            l--;l=(l<0?0:l);//更新l,r
            r++;r=(r>10?10:r);
        }
        printf("%d\n",ans);
    }
}


转载于:https://www.cnblogs.com/Stomach-ache/p/3703242.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和高频结构先验建模分支结合Transformer模块和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和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 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