洛谷P1970 花匠 线性dp

给出 n ≤ 1 e 5 n\leq1e5 n1e5个数,满足对于所有的 g 2 i > g 2 i − 1 , g 2 i > g 2 i + 1 g_{2i}>g_{2i-1},g_{2i}>g_{2i+1} g2i>g2i1,g2i>g2i+1或者 g 2 i < g 2 i − 1 , g 2 i < g 2 i + 1 g_{2i}<g_{2i-1},g_{2i}<g_{2i+1} g2i<g2i1,g2i<g2i+1
对理解dp是一个不错的题,dp重在设计出来的状态是一个可以转化为子问题的状态,然后考虑对子状态的转移。
记录 f i , 0 ∣ 1 f_{i,0|1} fi,01分别表示到 i i i这个位置,波峰|波谷的最大保留值。
转移的时候考虑前一位,以波谷为例,若 a i < a i − 1 a_{i}<a_{i-1} ai<ai1,有 f i , 1 = f i − 1 , 0 + 1 f_{i,1}=f_{i-1,0}+1 fi,1=fi1,0+1。否则 f i , 0 = f i − 1 , 0 f_{i,0}=f_{i-1,0} fi,0=fi1,0
为什么只需要考虑前一位呢,其实就如这个转移式告诉我们,如果这个点大于前面一个点,那么它无法成为波谷,只能成为波峰,而作为波峰答案自然是不变的,而波峰我们确实是希望它越大越好。所以这一位是最好的,之后的转移就不用再去考虑前面的位置了。

#include<bits/stdc++.h>
using namespace std;
typedef long long ll;
const int inf=0x3f3f3f3f;
const int N=1e5+7; 
int a[N];  
int f[N][2]; // 0 represents decrease / 1 represents increase
int main() {
	int n;
	scanf("%d",&n);
	for(int i=1;i<=n;i++) 
		scanf("%d",&a[i]);
	f[1][0]=f[1][1]=1;
	for(int i=2;i<=n;i++) {
		f[i][0]=f[i-1][0];
		f[i][1]=f[i-1][1];
		if(a[i]<a[i-1]) f[i][0]=max(f[i][0],f[i-1][1]+1);
		if(a[i]>a[i-1]) f[i][1]=max(f[i][1],f[i-1][0]+1);
	}
	printf("%d\n",max(f[n][0],f[n][1]));
	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