HDU dp 2571 命运

本文深入探讨了动态规划(DP)算法的一种实现方式,通过具体示例代码详细介绍了如何使用DP解决特定问题的过程。该算法利用二维数组存储中间结果,并通过比较不同路径找到最优解。

dp的题目,dp[i][j]=max(dp[i-1][j],dp[i][j-1],dp[i][j);

#include<iostream>
#include<cstring>
#include<cstdio>
#define INF -1000000
using namespace std;
int dp[25][1005];
int main()
{
 //   freopen("in.txt","r",stdin);
    int c,n,m,i,j,k;
    cin>>c;
    while(c--)
    {
        cin>>n>>m;
        for(i=0;i<=n;i++) dp[i][0]=INF;
        for(i=0;i<=m;i++) dp[0][i]=INF;

        for(i=1;i<=n;i++)
        {
            for(j=1;j<=m;j++)
                cin>>dp[i][j];
        }

        dp[0][1]=dp[1][0]=0;
        int temp;
        for(i=1;i<=n;i++)
        {
            for(j=1;j<=m;j++)
            {
                temp=max(dp[i-1][j],dp[i][j-1]);   //将前一个与上面一个比较得到最大的值
                for(k=1;k<j;k++)                   //将这点前面能到这点的值进行比较得到最大值
                {
                    if(j%k==0)
                    {
                        temp=max(temp,dp[i][k]);
                  //      cout<<temp<<' ';
                    }
                }
                dp[i][j]+=temp;                  //将这点的值加上最大值,得到这点的最大值
            }
        }
   /*     for(i=0;i<=n;i++){
            for(j=0;j<=m;j++)
                cout<<dp[i][j]<<' ';
            cout<<endl;
        }
*/
        cout<<dp[n][m]<<endl;
    }
    return 0;
}


MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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