SICP 3.66

本题的求(1,100)的问题给出了整个题目的思路,本题涉及解递推(归)方程

设f(n,i,j)为从第n行开始(i,j)的位置,n,i,j从0开始,则从(i,j)的当前行开始(i,j)所在的位置

f(i,i,j) = (j-i-1)*2+1,j-i-1是第二部分不含自己的个数,乘以2表示合第3部分的个数,+1是加上第一部分

f(i-1,i,j) = 2*f(i,i,j)+1+1,从上一行开始到(i,j)的个数,(i,j)相对于第i-1行处于第3部分,第一个1是上一行的第1部分,第二个1是相对于(i,j)的第二部分的那个数(因为先取第二部分,再取第三部分)
f(i-2,i,j) = 2*f(i-1,i,j)+2 = 2*(2*f(i,i,j)+2)+2,从上上一行开始到(i,j)的个数
...
f(0,i,j) = 2*f(1,i,j)+2 = 2*(2*f(2,i,j)+2)+2 = ... = 2+2^2+...+2^i+2^i*f(i,i,j) = 2^i+(j-i)*2^(i+1)-2,直到第0行

特殊处理每行第一个

f(i,i,i) = 0
f(i-1,i,i) = 2*f(i,i,i)+2
f(i-2,i,i) = 2*f(i-1,i,i)+2 = 2*(2*f(i,i,i)+2)+2
...
f(0,i,i) = 2+..+2^i = 2^(i+1)-2

转载于:https://my.oschina.net/guzhou/blog/1587487

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