洛谷 P1719 最大加权矩形 Java实现 二维前缀和

题目描述

为了更好的备战 NOIP2013,电脑组的几个女孩子 LYQ,ZSC,ZHQ 认为,我们不光需要机房,我们还需要运动,于是就决定找校长申请一块电脑组的课余运动场地,听说她们都是电脑组的高手,校长没有马上答应他们,而是先给她们出了一道数学题,并且告诉她们:你们能获得的运动场地的面积就是你们能找到的这个最大的数字。

校长先给他们一个 N×N 矩阵。要求矩阵中最大加权矩形,即矩阵的每一个元素都有一权值,权值定义在整数集上。从中找一矩形,矩形大小无限制,是其中包含的所有元素的和最大 。矩阵的每个元素属于 [-127,127] ,例如

题目详细:洛谷P1719 最大加权矩形

思路:二维(矩阵)前缀和

题目的数据规模是n<=120,O(n4)完全可以。首先我们要会算矩阵的前缀和,也其实就是前缀和的变形。
a11 a12 a13 a14
a21 a22 a23 a24
a31 a32 a33 a34
a41 a42 a43 a44
左上顶点为a11,右下顶点为a33的矩阵的前缀和。
qz代表前缀
qz[3][3]=qz[2][3]+qz[3][2]-qz[2][2]+value[a33]
公式是qz[i][j]=qz[i-1][j]+qz[i][j-1]-qz[i-1][j-1]+value[i][j]

那么我们怎么利用矩阵前缀和算出任意一个矩阵的和呢,其实差不多的道理。还是那个矩阵,求a22为左顶点,a33为右顶点这个矩阵的和。
temp=qz[3][3]-qz[3][1]-qz[1][3]+qz[1][1]
求a[i][j]为左上顶点,a[m][n]为右下顶点的矩阵和。
公式是temp=qz[m][n]-qz[m][j-1]-qz[i-1][n]+qz[i-1][j-1]

题目思路就是遍历所有的前缀和数组,求出最大的那个就可以了,4个for循环解法。

import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.IOException;
import java.io.InputStreamReader;
import java.io.OutputStreamWriter;
import java.io.PrintWriter;
import java.io.StreamTokenizer;
public class Main {
	public static void main(String[] args) throws IOException{
		StreamTokenizer in=new StreamTokenizer(new BufferedReader(new InputStreamReader(System.in)));
		PrintWriter pw=new PrintWriter(new BufferedWriter(new OutputStreamWriter(System.out)));
		in.nextToken();
		int N=(int)in.nval; 
		int[][] sum=new int[N+1][N+1];
		for(int i=1;i<=N;i++)
			for(int j=1;j<=N;j++)   //矩阵前缀和
			{
				in.nextToken();
				sum[i][j]=sum[i-1][j]+sum[i][j-1]-sum[i-1][j-1]+(int)in.nval;
			}
		int temp,max=0x80000000;
		for(int i=1;i<=N;i++)
			for(int j=1;j<=N;j++)   
				for(int r=i;r<=N;r++)
					for(int b=j;b<=N;b++)
					{
						temp=sum[r][b]-sum[r][j-1]-sum[i-1][b]+sum[i-1][j-1];
						max=Math.max(max, temp);
					}
		pw.print(max);
		pw.flush();
	}
}
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
你可以使用以下代码来实现反距离加权插值算法(Inverse Distance Weighting,IDW)的Java实现: ```java import java.util.ArrayList; import java.util.List; public class IDWAlgorithm { // 数据点的结构体 private static class DataPoint { public double x; public double y; public double value; public DataPoint(double x, double y, double value) { this.x = x; this.y = y; this.value = value; } } // 计算两点之间的距离 private static double distance(double x1, double y1, double x2, double y2) { return Math.sqrt(Math.pow(x2 - x1, 2) + Math.pow(y2 - y1, 2)); } // 反距离加权插值算法 public static double idwInterpolation(List<DataPoint> dataPoints, double x, double y, double power) { double weightedSum = 0.0; double weightSum = 0.0; for (DataPoint point : dataPoints) { double dist = distance(point.x, point.y, x, y); if (dist == 0.0) { // 如果点重合,则直接返回该点的值 return point.value; } double weight = 1.0 / Math.pow(dist, power); weightedSum += weight * point.value; weightSum += weight; } if (weightSum == 0.0) { return 0.0; // 避免除以零错误 } return weightedSum / weightSum; } public static void main(String[] args) { // 示例数据 List<DataPoint> dataPoints = new ArrayList<>(); dataPoints.add(new DataPoint(0.0, 0.0, 5.0)); dataPoints.add(new DataPoint(1.0, 0.0, 3.0)); dataPoints.add(new DataPoint(0.0, 1.0, 2.0)); // 要插值的坐标 double x = 0.5; double y = 0.5; // 插值权重的幂 double power = 2.0; // 执行插值 double interpolatedValue = idwInterpolation(dataPoints, x, y, power); System.out.println("插值结果: " + interpolatedValue); } } ``` 以上是一个简单的反距离加权插值算法实现示例。你可以根据自己的需求进行调整和扩展。注意,这只是一个基本的实现,可能需要根据实际情况进行改进。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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