POJ 1180 斜率优化DP

前记:好像半年前就见过这道题,折腾了半天都不会,刚学斜率优化,发现这题挺经典的,也不难,只要能想到倒推~

题意:

N个任务排成一个序列在一台机器上等待完成(顺序不得改变),这N个任务被分成若干批,每批包含相邻的若干任务。 从时刻0开始,这些任务被分批加工,第i个任务单独完成所需的时间是Ti。在每批任务开始前,机器需要启动时间S,而完成这批任务所需的时间是各个任务需 要时间的总和(同一批任务将在同一时刻完成)。每个任务的费用是它的完成时刻乘以一个费用系数Fi。请确定一个分组方案,使得总费用最小。

 

分析:

 dp[i] = min(dp[j] + (s + sumt[i] - sumt[j]) *sumf[i] )

其中sumt[i]表示从i到n的任务所需要的时间总和,sumf[i]表示从i到n的费用系数总和,dp[i]表示对于从i到n的任务安排的最优解。

 

其实想到倒推这个方程挺好写的,

为什么倒推,因为“时刻”这个东西很黑! 它只与此时刻之前的状态有关,与此时刻之后的状态无关

 

具体的斜率优化可以参考:http://www.cnblogs.com/proverbs/archive/2012/10/06/2713109.html

 

有非常详细的思考过程及方法,类比着就能做出来。

注意边界!

 

View Code
 1 #include <cstdio>
 2 #include <cstring>
 3 #include <cstdlib>
 4 
 5 #define N 12000
 6 
 7 using namespace std;
 8 
 9 int n,s,t[N],f[N],sumf[N],sumt[N],dp[N],q[N];
10 
11 void read()
12 {
13     for(int i=1;i<=n;i++) scanf("%d%d",&t[i],&f[i]);
14     sumf[n+1]=sumt[n+1]=0;
15     for(int i=n;i>=1;i--)
16     {
17         sumf[i]=sumf[i+1]+f[i];
18         sumt[i]=sumt[i+1]+t[i];
19     }
20 }
21 
22 inline int G(int y,int x)
23 {
24     return dp[y]-dp[x];
25 }
26 
27 inline int S(int y,int x)
28 {
29     return sumt[y]-sumt[x];
30 }
31 
32 void go()
33 {
34     dp[n+1]=0;
35     int h=1,t=1;
36     q[t++]=n+1;
37     for(int i=n,x,y,z;i>=1;i--)
38     {
39         while(h<t-1&&G(q[h+1],q[h])<=S(q[h+1],q[h])*sumf[i]) h++;
40         
41         dp[i]=dp[q[h]]+(s+sumt[i]-sumt[q[h]])*sumf[i];
42         
43         q[t++]=i;
44         
45         for(int j=t-2;j-1>=h;j--)
46         {
47             x=q[j-1]; y=q[j]; z=q[j+1];
48             if(G(y,x)*S(z,y)>=G(z,y)*S(y,x)) q[j]=q[--t];
49             else break;a
50         }
51     }
52     printf("%d\n",dp[1]);
53 }
54 
55 int main()
56 {
57     while(scanf("%d%d",&n,&s)!=EOF)
58     {
59         read();
60         go();
61     }
62     return 0;
63 } 

 

 

转载于:https://www.cnblogs.com/proverbs/archive/2012/10/06/2713232.html

  • 0
    点赞
  • 0
    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