hdu5900 QSC and Master(区间dp)

这篇博客介绍了如何利用区间动态规划(DP)解决一个数据结构与算法问题:给定一个包含键值对的序列,通过删除非互质键值对来最大化权值总和。代码示例展示了C++实现的详细过程,包括转移方程和边界条件的处理。
题意:

给定长度为n的序列,每个位置是一个键值对(键,值),
一次操作你可以选择两个相邻的位置,
如果他们的键不是互质的,那么可以删去他们,然后将剩余部分拼接。
你可以操作无数次,问删除的值的最大总和是多少。

数据范围:n<=300,(键,值)<=1e9

解法:
区间dp.

令d[i][j]表示区间[i,j]能获得的最大权值.
转移有两种:
1.d[i][j]=d[i][k]+d[k+1][j].
2.设键值对为(a,b),如果d[i+1][j-1]=sum(b[i+1,j-1]),那么说明i和j能够相邻,
如果此时gcd(a[i],a[j])!=1,那么d[i][j]=b[i]+b[j]+d[i+1][j-1].
code:
#include<bits/stdc++.h>
#define int long long
using namespace std;
int d[333][333];
int g[333][333];
int sum[333];
int a[333];
int b[333];
int n;
void solve(){
    cin>>n;
    for(int i=1;i<=n;i++){
        cin>>a[i];
    }
    for(int i=1;i<=n;i++){
        cin>>b[i];
        sum[i]=sum[i-1]+b[i];
    }
    for(int i=1;i<=n;i++){
        for(int j=1;j<=n;j++){
            d[i][j]=0;
            g[i][j]=__gcd(a[i],a[j]);
        }
    }
    for(int len=1;len<=n;len++){
        for(int i=1;i<=n;i++){
            int j=i+len-1;
            if(j>n)break;
            if(len==1)d[i][j]=0;
            else if(len==2){
                if(g[i][j]!=1)d[i][j]=b[i]+b[j];
            }else{
                if(g[i][j]!=1){
                    if(d[i+1][j-1]==sum[j-1]-sum[i]){
                        d[i][j]=max(d[i][j],b[i]+b[j]+d[i+1][j-1]);
                    }
                }
                for(int k=i;k<j;k++){
                    d[i][j]=max(d[i][j],d[i][k]+d[k+1][j]);
                }
            }
        }
    }
    cout<<d[1][n]<<endl;
}
signed main(){
    ios::sync_with_stdio(0);
    int T;cin>>T;
    while(T--){
        solve();
    }
    return 0;
}

一、基础信息 数据集名称:Bottle Fin实例分割数据集 图片数量: 训练集:4418张图片 验证集:1104张图片 总计:5522张图片 分类类别: - 类别0: 数字0 - 类别1: 数字1 - 类别2: 数字2 - 类别3: 数字3 - 类别4: 数字4 - 类别5: 数字5 - 类别6: Bottle Fin 标注格式:YOLO格式,包含多边形坐标,适用于实例分割任务。 数据格式:图片格式常见如JPEG或PNG,具体未指定。 二、适用场景 实例分割AI模型开发:数据集支持实例分割任务,帮助构建能够精确识别和分割图像中多个对象的AI模型,适用于对象检测和分割应用。 工业自动化与质量控制:可能应用于制造、物流或零售领域,用于自动化检测和分类物体,提升生产效率。 计算机视觉研究:支持实例分割算法的学术研究,促进目标检测和分割技术的创新。 教育与实践培训:可用于高校或培训机构的计算机视觉课程,作为实例分割任务的实践资源,帮助学生理解多类别分割。 三、数据集优势 多类别设计:包含7个不同类别,涵盖数字和Bottle Fin对象,增强模型对多样对象的识别和分割能力。 高质量标注:标注采用YOLO格式的多边形坐标,确保分割边界的精确性,提升模型训练效果。 数据规模适中:拥有超过5500张图片,提供充足的样本用于模型训练和验证,支持稳健的AI开发。 即插即用兼容性:标注格式直接兼容主流深度学习框架(如YOLO),便于快速集成到各种实例分割项目中。
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