2019 牛客多校训练营3 Planting Trees(单调队列)

本文详细解析了如何寻找矩阵中最大子矩阵的问题,该子矩阵内的最大值与最小值差小于给定值k。通过将二维问题转化为一维,并使用单调队列维护最大值与最小值,实现高效求解。

原题地址:https://ac.nowcoder.com/acm/contest/883/F

题意:给出一个矩阵,找出一个最大的子矩阵使得矩阵内的最大值和最小值差小于k。

思路:这个题有个一维的版本,也就是HDU 3530
对于上面那个题,我们枚举矩阵的任意两行,我们对这两行的中间的矩阵进行压缩,这样子就将二维的转化为了一位。

对于一维的,维护两个单调队列,一个单调递增,一个单调递减。每次比较队首元素之差,如果大于k,那么就弹出两个队列中队首元素靠左的那个。每次更新面积最大值即可。

#include <bits/stdc++.h>
#define eps 1e-8
#define INF 0x3f3f3f3f
#define PI acos(-1)
#define lson l,mid,rt<<1
#define rson mid+1,r,(rt<<1)+1
#define CLR(x,y) memset((x),y,sizeof(x))
#define fuck(x) cerr << #x << "=" << x << endl
using namespace std;
typedef long long ll;
typedef unsigned long long ull;
const int seed = 131;
const int maxn = 1e5 + 5;
const int mod = 1e9 + 7;
int n, k, T;
int a[505][505];
int q_max[maxn], q_min[maxn];
int l_max, l_min, r_max, r_min;
int mi[505], mx[505];
int main() {
    int T;
    scanf("%d", &T);
    while (T--) {
        int ans = 0;
        scanf("%d%d", &n, &k);
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= n; j++) {
                scanf("%d", &a[i][j]);
            }
        }
        for (int p = 1; p <= n; p++) {//枚举第1行
            for (int k = 1; k <= n; k++) {
                mi[k] = INF;
                mx[k] = -INF;
            }
            for (int j = p; j <= n; j++) {//枚举最后一行
                for (int k = 1; k <= n; k++) {
                    mi[k] = min(mi[k], a[j][k]);
                    mx[k] = max(mx[k], a[j][k]);
                }

                l_min = l_max = 1;
                r_min = r_max = 0;

                int tmp = 0;
                for (int i = 1; i <= n; i++) {
                    while (l_max <= r_max && mx[i] > mx[q_max[r_max]]) {
                        r_max--;
                    }
                    while (l_min <= r_min && mi[i] < mi[q_min[r_min]]) {
                        r_min--;
                    }
                    q_max[++r_max] = i;
                    q_min[++r_min] = i;
                    while (l_min <= r_min && l_max <= r_max && mx[q_max[l_max]] - mi[q_min[l_min]] > k) {
                        int x = q_max[l_max];
                        int y = q_min[l_min];
                        if (x < y) {//找到靠左的
                            tmp = q_max[l_max++];
                        } else {
                            tmp = q_min[l_min++];
                        }
                    }
                    if (l_min <= r_min && l_max <= r_max) {
                        ans = max(ans, (j - p + 1) * (i - tmp));
                    }
                }
            }
        }
        printf("%d\n", ans);
    }
    return 0;
}



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