上海理工大学第二届“联想杯”全国程序设计邀请赛题解

这篇博客探讨了三种算法在不同问题中的应用:动态规划解决最长等差数列问题,优先队列用于处理染色方案计数,以及拓扑排序在解决网格染色问题中的作用。博主详细阐述了每种算法的思路和代码实现,为读者提供了深入理解这些算法的实例。
摘要由CSDN通过智能技术生成

比赛链接

暂时只做了B题,所以只放一下B的题解

A-SOUL!

求公差为k的最长的等差数列长度
将数组排序去重

int n,k,ans;
int a[maxn],dp[maxn];
void solve()
{
    sdd(n,k);
    rep(i,1,n)sd(a[i]);
    sort(a+1,a+1+n);
    n=unique(a+1,a+1+n)-a-1;
    rep(i,1,n)
    {
        int p=lower_bound(a+1,a+1+n,a[i]-k)-a;
        if(a[p]!=a[i]-k)dp[i]=1;
        else dp[i]=dp[p]+1;
        ans=max(ans,dp[i]);
    }
    pd(ans);
}

Bheith i ngra le

题意:
有一个m*n的网格,网格要么是黑色要么是白色。
1、所有的黑色网格连通
2、如果某一列有黑色网格,那么黑色必须是从最下面开始堆积
hi代表第i列的黑色网格个数

要求:
存在l,r使得
1、1≤l≤r≤n
2、hi在区间[1,l]非递减
3、hi在区间[r,n]非递增
4、hi在区间[l,r]相等
问共有多少种染色方法

题解:
动态规划呀!
都只考虑前面的非递减区域
dp[i][j]代表当第i列的hi为j时,前i-1列的可能涂色个数
sum[i][j]代表前i行最大的hi为j时的可能涂色个数

我想的是对于x这个位置,枚举它的高度hx,那么前面区间[1,x-1]的最高h小于hx的可能涂色个数即sum[x-1][hx-1],然后后面区间[x+1,n]的最高h小于等于hx的可能涂色个数即sum[n-x][hx],答案即sum[x-1][hx-1]*sum[n-x][hx]

int n,m,tmp[maxn];
int dp[maxn][maxn],sum[maxn][maxn];
int ans;
void solve()
{
	sdd(n,m);
	tmp[0]=ans=1;
	rep(i,0,n)sum[i][0]=1;
	rep(i,0,m)sum[0][i]=1;
	rep(i,1,n)
	{
		rep(j,1,m)tmp[j]=(tmp[j-1]+dp[i-1][j])%mod;
		rep(j,1,m)
		{
			dp[i][j]=tmp[j];
			sum[i][j]=(sum[i][j-1]+tmp[j])%mod;
		}
	}
	rep(i,1,n)rep(j,1,m)ans=(ans+1ll*sum[i-1][j-1]*sum[n-i][j]%mod)%mod;
	pd(ans);
}

Identical Day

优先队列保存长度为len的1串分成cnt+1段比分成cnt段能减少的分值

int n;
char s[maxn];
priority_queue<PLII >pq;
ll get_val(int len,int c)//长度为n去掉c个能得到的最大值 
{
    if(c>=len)return 0;
    if(c>=len/2)return len-c;
    len-=c; 
    c++;
    //转化为长度为len的1串要分成c段的最大值 
    int cnt=len%c,l=len/c+1;
//    cout<<len<<' '<<c<<' '<<1ll*cnt*l*(l+1)/2+1ll*(c-cnt)*l*(l-1)/2<<endl;
    return 1ll*cnt*l*(l+1)/2+1ll*(c-cnt)*l*(l-1)/2;
}
ll cur,k;
void solve()
{
    scanf("%d%lld",&n,&k);
    sc(s+1);
    s[n+1]='0';
    int cnt=0;
    rep(i,1,n+1)
    {
        if(s[i]=='1')cnt++;
        else if(cnt)
        {
            cur+=get_val(cnt,0);
            pq.push(mk(get_val(cnt,0)-get_val(cnt,1),mk(cnt,0)));
            cnt=0;
        }
    }
    int ans=0;
    while(cur>k)
    {
        ans++;
        cur-=pq.top().fi;
        int len=pq.top().se.fi,cntt=pq.top().se.se;
        pq.pop();
        pq.push(mk(get_val(len,cntt+1)-get_val(len,cntt+2),mk(len,cntt+1)));
    }
    pd(ans);
}

JXC&amp;Jesus

暴力
先预处理出每个数对应的最小的质因子

int n,m,L;
int pri[maxn],cnt;
bool vis[maxn];
int val[maxn];
ll ans;
void init()
{
	for(int i=2;i<maxn;i++)
	{
		if(!vis[i])pri[++cnt]=val[i]=i;
		for(int j=1;j<=cnt&&pri[j]*i<maxn;j++)
		{
			vis[i*pri[j]]=1;
			val[i*pri[j]]=pri[j];
			if(i%pri[j]==0)break;
		}
	}
}
void solve()
{
	scanf("%d%d%d",&n,&m,&L);
	init();
	ans=1ll*n*(L+1+L+n)/2;
	rep(i,L+1,L+n)
	{
		int cnt=0,x=i,v=1;
		while(x%val[i]==0)
		{
			x/=val[i];
			cnt++;
			if(cnt%m==0)v*=val[i];
		}
		ans-=1ll*x*v;
	}
	plld(ans);
}

Minecraft

拓扑排序

int h,n,m;
char s[35][35][35];
int in[30];
bool vis[30];
vector<int>vec[30];
void solve()
{
    scanf("%d%d%d",&n,&m,&h);
    rep(i,0,25)vec[i].clear(),in[i]=vis[i]=0;
    rep(i,1,h)rep(j,1,n)
    {
        sc(s[i][j]+1);
        rep(k,1,m)
        {
            s[i][j][k]-='A';
            vis[s[i][j][k]]=1;
            if(i==1||s[i][j][k]==s[i-1][j][k])continue;
            in[s[i-1][j][k]]++;
            vec[s[i][j][k]].pb(s[i-1][j][k]);
        }
    }
    priority_queue<int>pq;
    queue<int>ans;
    rep(i,0,25)if(vis[i]&&!in[i])pq.push(i);
    while(!pq.empty())
    {
        int p=pq.top();pq.pop();
        ans.push(p);
        for(int j:vec[p])
        {
            in[j]--;
            if(!in[j])pq.push(j);
        }
    }
    int cnt=0;
    rep(i,0,25)if(vis[i])cnt++;
    if(cnt!=ans.size())
    {
        puts("-1");
        return;
    }
    while(!ans.empty())printf("%c",ans.front()+'A'),ans.pop();
    puts("");
}
本项目是一个基于SSM(Spring+SpringMVC+MyBatis)后端框架与Vue.js前端框架开发的疫情居家办公系统。该系统旨在为居家办公的员工提供一个高效、便捷的工作环境,同时帮助企业更好地管理远程工作流程。项目包含了完整的数据库设计、前后端代码实现以及详细的文档说明,非常适合计算机相关专业的毕设学生和需要进行项目实战练习的Java学习者。 系统的核心功能包括用户管理、任务分配、进度跟踪、文件共享和在线沟通等。用户管理模块允许管理员创建和管理用户账户,分配不同的权限。任务分配模块使项目经理能够轻松地分配任务给团队成员,并设置截止日期。进度跟踪模块允许员工实时更新他们的工作状态,确保项目按计划进行。文件共享模块提供了一个安全的平台,让团队成员可以共享和协作处理文档。在线沟通模块则支持即时消息和视频会议,以增强团队之间的沟通效率。 技术栈方面,后端采用了Spring框架来管理业务逻辑,SpringMVC用于构建Web应用程序,MyBatis作为ORM框架简化数据库操作。前端则使用Vue.js来实现动态用户界面,搭配Vue Router进行页面导航,以及Vuex进行状态管理。数据库选用MySQL,确保数据的安全性和可靠性。 该项目不仅提供了一个完整的技术实现示例,还为开发者留下了扩展和改进的空间,可以根据实际需求添加新功能或优化现有功能。
本项目是一个基于SSM(Spring+SpringMVC+MyBatis)后端框架与Vue.js前端框架开发的网上球鞋竞拍系统。该项目旨在为球鞋爱好者提供一个便捷、高效的在线竞拍平台,用户可以在此平台上浏览、搜索、竞拍心仪的球鞋,并参与到各种有趣的竞拍活动中。 系统的主要功能包括用户注册登录、球鞋信息展示、竞拍活动创建与管理、实时竞拍以及交易安全保障等。用户可以通过注册账号后,浏览平台上发布的各类球鞋信息,包括品牌、型号、颜色、尺码以及当前竞拍状态等。系统支持用户创建和管理自己的竞拍活动,设定竞拍规则和时间,同时提供实时竞拍功能,确保公平、透明的交易过程。 在技术实现上,后端采用SSM框架进行开发,Spring负责业务逻辑层,SpringMVC处理Web请求,MyBatis进行数据库操作,保证了系统的稳定性和扩展性。前端则使用Vue.js框架,结合Axios进行数据请求,实现了前后端分离,提高了开发效率和用户体验。 数据库设计方面,系统采用了MySQL数据库,存储用户信息、球鞋信息、竞拍活动等数据,确保数据的安全性和完整性。此外,项目还包含了详细的文档资料,包括需求分析、系统设计、数据库设计以及测试报告等,为项目的实施和维护提供了有力的支持。 该项目不仅适合作为计算机相关专业学生的毕业设计题目,也适合Java学习者进行实战练习,通过在此基础上进行功能扩展和改进,可以进一步提升编程技能和项目管理能力。
【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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