AGC030D - Inversion Sum

本文提供了一种解决AGC030D-InversionSum问题的方法,通过动态规划计算数组中逆序对概率。核心思路是利用dp数组记录不同位置数值之间的比较结果,针对每个询问进行更新,最终求得所有逆序对的总概率。时间复杂度为O(nq+n^2),适用于处理大规模数据集。

AGC030D - Inversion Sum

题目描述

Solution

考虑 d p dp dp f i , j f_{i,j} fi,j表示第 i i i个位置的数大于第 j j j个位置的数的概率。
对于每一个询问修改贡献即可。
时间复杂度 O ( n q + n 2 ) O(nq+n^2) O(nq+n2)

#include <vector>
#include <list>
#include <map>
#include <set>
#include <deque>
#include <queue>
#include <stack>
#include <bitset>
#include <algorithm>
#include <functional>
#include <numeric>
#include <utility>
#include <sstream>
#include <iostream>
#include <iomanip>
#include <cstdio>
#include <cmath>
#include <cstdlib>
#include <cctype>
#include <string>
#include <cstring>
#include <ctime>
#include <cassert>
#include <string.h>
//#include <unordered_set>
//#include <unordered_map>
//#include <bits/stdc++.h>

#define MP(A,B) make_pair(A,B)
#define PB(A) push_back(A)
#define SIZE(A) ((int)A.size())
#define LEN(A) ((int)A.length())
#define FOR(i,a,b) for(int i=(a);i<(b);++i)
#define fi first
#define se second

using namespace std;

template<typename T>inline bool upmin(T &x,T y) { return y<x?x=y,1:0; }
template<typename T>inline bool upmax(T &x,T y) { return x<y?x=y,1:0; }

typedef long long ll;
typedef unsigned long long ull;
typedef long double lod;
typedef pair<int,int> PR;
typedef vector<int> VI;

const lod eps=1e-11;
const lod pi=acos(-1);
const int oo=1<<30;
const ll loo=1ll<<62;
const int mods=1e9+7;
const int inv2=(mods+1)>>1;
const int MAXN=3005;
const int INF=0x3f3f3f3f;//1061109567
/*--------------------------------------------------------------------*/
inline int read()
{
	int f=1,x=0; char c=getchar();
	while (c<'0'||c>'9') { if (c=='-') f=-1; c=getchar(); }
	while (c>='0'&&c<='9') { x=(x<<3)+(x<<1)+(c^48); c=getchar(); }
	return x*f;
}
int f[MAXN][MAXN],a[MAXN];
inline int upd(int x,int y){ return x+y>=mods?x+y-mods:x+y; }
int main()
{
	int n=read(),q=read();
	for (int i=1;i<=n;i++) a[i]=read();
	for (int i=1;i<=n;i++) 
		for (int j=1;j<=n;j++)
			if (a[i]>a[j]) f[i][j]=1;
	for (int i=1;i<=q;i++)
	{
		int x=read(),y=read();
		f[x][y]=f[y][x]=1ll*upd(f[x][y],f[y][x])*inv2%mods;
		for (int j=1;j<=n;j++)
		if (x!=j&&y!=j)
			f[x][j]=f[y][j]=1ll*upd(f[x][j],f[y][j])*inv2%mods,
			f[j][x]=f[j][y]=1ll*upd(f[j][x],f[j][y])*inv2%mods;
	}
	int ans=0;
	for (int i=1;i<=n;i++) 
		for (int j=i+1;j<=n;j++) ans=upd(ans,f[i][j]);
	for (int i=1;i<=q;i++) ans=upd(ans,ans);
	printf("%d\n",ans);
	return 0;
}
【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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