HDU 1024 Max Sum Plus Plus最大m子段和

Max Sum Plus Plus

Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 65536/32768 K (Java/Others)

Problem Description
Now I think you have got an AC in Ignatius.L's "Max Sum" problem. To be a brave ACMer, we always challenge ourselves to more difficult problems. Now you are faced with a more difficult problem.

Given a consecutive number sequence S1, S2, S3, S4 ... Sx, ... Sn (1 ≤ x ≤ n ≤ 1,000,000, -32768 ≤ Sx ≤ 32767). We define a function sum(i, j) = Si + ... + Sj (1 ≤ i ≤ j ≤ n).

Now given an integer m (m > 0), your task is to find m pairs of i and j which make sum(i1, j1) + sum(i2, j2) + sum(i3, j3) + ... + sum(im, jm) maximal (ix ≤ iy ≤ jx or ix ≤ jy ≤ jx is not allowed).

But I`m lazy, I don't want to write a special-judge module, so you don't have to output m pairs of i and j, just output the maximal summation of sum(ix, jx)(1 ≤ x ≤ m) instead. ^_^


Input
Each test case will begin with two integers m and n, followed by n integers S1, S2, S3 ... Sn.
Process to the end of file.


Output
Output the maximal summation described above in one line.


Sample Input
1 3 1 2 3
2 6 -1 4 -2 3 -2 3


Sample Output
6
8

Hint

Huge input, scanf and dynamic programming is recommended.

题意:给定n个数,分成不相交的m段。求解最大m子段和。

第一:假定m = 1 ,题简化为最大连续子段和。
设数组为a[i] ; f[1] = 0 ;
简单写出一维动态转移方程 f[i] = max(f[i-1] + a[i] , a[i] );
第二:若m>1 , 则设F[i][j]  , 此时定义该数组含义为从第一个数到第i个数(一定包含第i个数)
分成m段的最大和(不一定最优)。
故共有两种决策 1:第i个数和前一个数一起包含在前j段中,则动态转移方程为 F[i][j] = F[i-1][j] + a[i] ;
2: 第i个数独立一段,则F[i][j]= F(j-1 ... i-1)[j-1] + a[i] ;前i-1个元素的最大j-1子段和
故F[i][j]= max(F(j-1 ... i-1)[j-1] ,F[i-1][j] )+a[i] 。
显然,F[i][j]一定包含第i个数,不一定为最优解,故再设G[i][j] : 从第一个到第i个数分成j段的最大和 。
易知状态转移方程:G[i][j] = max(G[i-1][j] ,F[i][j] )     <1>
即从 不含第i个数的最优解G[i-1][j] 与 F[i][j]中选出最大值。  
发现 F[i][j]方程中: F(j-1...i-1) [j-1] == G[i-1][j-1] 。 前i个元素的最大j-1子段和为G[i-1][j-1]  ,
则前i个(含i)元素的最大j子段和为G[i-1][j-1] + a[i] 。
故F方程化简为 F[i][j]= max(F[i-1][j] , G[i-1][j-1]) + a[i] ; <2>
同样,对于<1>,<2> 同样,我们发现只用到了一层数组,现来考虑优化空间。化简伪代码如下:
for i <- 1 to n 
for j <- 1 to (min(m,i)) 
F[j] = max(F[j] , G[j-1]) + a[i] ;
G[j] = max(G[j] , F[j] ) ;  
G[i] = max(G[i],F[j])
代码如下


#include <iostream>
#include <cstdio>
#include <cstring>
#define max(a,b) (a>b?a:b)
const int minn = -1<< 30;
const int maxn = 1000000+100 ;
int f[maxn] , g[maxn] ;
int a[maxn] ;
using namespace std;
int main () {
    int  n , m ;
    while(~scanf("%d%d",&m,&n)) {
        for( int i = 1; i <= n ; ++i ){
            scanf("%d",&a[i]) ;
        }
        for( int i= 0 ; i <= n ; ++i ) {
            f[i] =  minn ;
            g[i] = minn ;
        }
        g[0] =  0;
        for ( int i = 1 ;i <= n ; ++i ){
                    int k = i <= m ? i : m ;
            for( int j = 1 ; j <= k ; ++j ) {
                    f[j] = max( f[j] , g[j-1] ) + a[i];
                    g[j-1] = max( g[j-1] , f[j-1]);
            }
                g[k] = max(g[k] , f[k]) ;
        }
        cout << g[m] << endl ;
    }

    return 0  ;
}








  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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