bzoj3156 防御准备(斜率)

Description
这里写图片描述
Input
第一行为一个整数N表示战线的总长度。
第二行N个整数,第i个整数表示在位置i放置守卫塔的花费Ai。

Output
共一个整数,表示最小的战线花费值。

Sample Input
10
2 3 1 5 4 5 6 3 1 2

Sample Output
18

分析:
斜率优化dp
方程:
f[i]=min{f[j]+(j+1~i-1每一个木偶到i的距离)}
括号里的贡献:
dis表示每个节点到1号店的距离
这里写图片描述
f[i]=min{f[j]+(i-j-1) * (i-1) - (i-j-1) * (j+i-2)/2+a[i]}

画柿子:
这里写图片描述

tip

千万不要画错柿子!!!

我在这里稍微总结一下可以使用斜率优化的一般条件:

  • 可以dp(其实就是具备最优子结构)
  • 一般是在序列上,一维二维都可以
  • 一般符合形式f[i]=f[j]+(i~j的贡献)
  • 可以画出柿子来,具备斜率的形式
这里写代码片
#include<cstdio>
#include<cstring>
#include<cstring>
#define ll long long

using namespace std;

const int N=1000010;
ll f[N],a[N];
int n,q[N],tou,wei;

double get(int j,int k)
{
    double x1=(double)f[j]+j-(j-j*j)/2;
    double x2=(double)f[k]+k-(k-k*k)/2;
    return (double)(x1-x2)/(j-k);
}

void doit()
{
    int i;
    tou=wei=0;
    for (i=1;i<=n;i++)
    {
        while (tou<wei&&get(q[tou+1],q[tou])<i) tou++;
        f[i]=f[q[tou]]+(i-q[tou]-1)*(i-1)-((i-q[tou]-1)*(q[tou]+i-2))/2+a[i];
        while (tou<wei&&get(i,q[wei])<get(q[wei],q[wei-1])) wei--;
        q[++wei]=i;
    }
    printf("%lld",f[n]);
}

int main()
{
    scanf("%d",&n);
    for (int i=1;i<=n;i++)
        scanf("%d",&a[i]);
    doit();
    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