BZOJ1911[Apio2010]特别行动队(洛谷P3628)

292 篇文章 1 订阅
281 篇文章 1 订阅

斜率优化DP

BZOj题目传送门
洛谷题目传送门

S[i]=ij=1x[i]
易得出转移方程 f[i]=max(f[j]+a(S[i]S[j])2+b(S[i]S[j])+c)

考虑斜率优化
x<y 且x优于y

f[x]+a(S[i]S[x])2+b(S[i]S[x])+c>f[y]+a(S[i]S[y])2+b(S[i]S[y])+c

f[x]+a(S[i]22S[i]S[x]+S[x]2)+bS[i]bS[x]>f[y]+a(S[i]22S[i]S[y]+S[y]2)+bS[i]bS[y]

f[x]2aS[i]S[x]+aS[x]2bS[x]>f[y]2aS[i]S[y]+aS[y]2bS[y]

f[x]f[y]+aS[x]2bS[x]aS[y]2+bS[y]>2aS[i](S[x]S[y])

f[x]f[y]+a(S[x]2S[y]2)b(S[x]S[y])2a(S[x]S[y])>S[i]

然后就好了

代码:

#include<cctype>
#include<cstdio>
#include<cstring>
#include<algorithm>
#define MAXN 1000000
using namespace std;
typedef long long LL;
int n,r,w,que[MAXN+5];
LL f[MAXN+5],a,b,c,s[MAXN+5];
inline char readc(){
    static char buf[100000],*l=buf,*r=buf;
    if (l==r) r=(l=buf)+fread(buf,1,100000,stdin);
    if (l==r) return EOF; return *l++;
}
inline LL _read(){
    LL num=0,flag=1; char ch=readc();
    while (!isdigit(ch)&&ch!='-') ch=readc();
    if (ch=='-') flag=-1,ch=readc();
    while (isdigit(ch)) { num=num*10+ch-48; ch=readc(); }
    return num*flag;
}
#define sqr(x) ((x)*(x))
inline LL K(int x,int y){
    return (f[x]-f[y]+a*(sqr(s[x])-sqr(s[y]))-b*(s[x]-s[y]))/(2*a*(s[x]-s[y]));
}
int main(){
    n=_read();
    a=_read(),b=_read(),c=_read();
    for (int i=1;i<=n;i++)
        s[i]=_read(),s[i]+=s[i-1],f[i]=1e18;
    for (int i=1;i<=n;i++){
        while (r<w&&K(que[r],que[r+1])<s[i]) r++;
        f[i]=f[que[r]]+a*sqr(s[i]-s[que[r]])+b*(s[i]-s[que[r]])+c;
        while (r<w&&K(que[w-1],que[w])>=K(que[w],i)) w--;
        que[++w]=i;
    }
    return printf("%lld\n",f[n]),0;
}
【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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