备战蓝桥杯---动态规划的一些思想2

话不多说,直接看题:

1.换根DP:

我们肯定不能对每一个根节点暴力求,我们不妨先求f[1],我们发现当他的儿子作为根节点时深度和为f[1]+(n-cnt[i])-cnt[i](cnt[i]表示以i为根的节点数),这样子两遍DFS即可,下面是AC代码:

#include<bits/stdc++.h>
using namespace std;
int n,x,y,cnt[1000020],dep[1000010];
long long f[1000010];
vector<int> edge[1000010];
void dfs1(int root,int fa){
    cnt[root]=1;
    for(int i=0;i<edge[root].size();i++){
        int w=edge[root][i];
        if(w==fa) continue;
        dep[w]=dep[root]+1;
        dfs1(w,root);
        cnt[root]+=cnt[w];
    }
    return;
}
void dfs2(int root,int fa){
    for(int i=0;i<edge[root].size();i++){
        int w=edge[root][i];
        if(w==fa) continue;
        f[w]=f[root]+n-2*cnt[w];
        dfs2(w,root);
    }
    return;
}
int main(){
    cin>>n;
    for(int i=1;i<=n-1;i++){
        scanf("%d%d",&x,&y);
        edge[x].push_back(y);
        edge[y].push_back(x);
    }
    dep[1]=0;
    dfs1(1,0);
    for(int i=1;i<=n;i++){
        f[1]+=dep[i];
    }
    dfs2(1,0);
   long long ans=f[1];
    for(int i=2;i<=n;i++){
        ans=min(ans,f[i]);
    }
    cout<<ans;
}

2.数学问题的背包转化:

 

显然,我们要求的就是n个中的极大线性无关组,那么我们如何求?

只要一个数可以被比他小的组合表示出来,那么这个元素就可以删了。

如何实现?我们把每一个元素看成无穷个物品,我们判断一个元素是否可以被表示,就是看这个背包是否可以被塞满,因此变成了完全背包问题,下面是AC代码:

#include<bits/stdc++.h>
using namespace std;
int a[110],n,t,m;
bool dp[25005];
bool cmp(int a,int b){
    return a<b;
}
int main(){
    cin>>t;
    while(t--){
        cin>>n;
        memset(dp,0,sizeof(dp));
        for(int i=1;i<=n;i++) scanf("%d",&a[i]);
        sort(a+1,a+n+1,cmp);
        m=n;
        dp[0]=1;
        for(int i=1;i<=n;i++){
            if(dp[a[i]]==1){
                 m--;
                continue;
            }
            for(int j=a[i];j<=a[n];j++){
                dp[j]=dp[j-a[i]]||dp[j];
            }
        }
        cout<<m<<endl;
    }
}

3.水题记录位置

就是在中序遍历上找根,再变成两个区间,用区间DP即可。

那么我们如何记录前序遍历呢,直接放在一维数组实现起来比较麻烦,于是我们可以用root[i][j]来记录i--j中选的根,然后再递归下去即可。

下面是AC代码:

#include<bits/stdc++.h>
using namespace std;
int dp[40][40],n,a[40],root[40][40];
int f(int l,int r){
    if(dp[l][r]>0) return dp[l][r];
    if(l==r) return dp[r][r]=a[r];
    if(l>r) return 1;    
    int g=l;
    for(int i=l;i<=r;i++){
        if(dp[l][r]<=a[i]+f(l,i-1)*f(i+1,r)){
            dp[l][r]=a[i]+f(l,i-1)*f(i+1,r);
            g=i;}
    }
    root[l][r]=g;
    return dp[l][r];
}
void print(int l,int r){
    if(l==r){
        cout<<l<<" ";
        return;
    }
    if(l>r) return; 
    cout<<root[l][r]<<" ";
    print(l,root[l][r]-1);
    print(root[l][r]+1,r);
    return;
}
int main(){
    cin>>n;
    for(int i=1;i<=n;i++) cin>>a[i];
    cout<<f(1,n)<<endl;
    print(1,n);
}

4.从小入手+两遍DP:

我们不妨先看一块,我们令f[k][i][x]表示第k条木板,前x个格子刷i次的最大正确粉刷格子数。

对于第k条木板,易得转移方程:f[k][i][x]=max(f[k][i-1][p]+w[p+1][x])(w[i][j]表示i--j一次刷最多可以刷对的格子数)

这样子,我们就把每一条木板刷的所有情况求出来,问题就转化成了分组背包。

我们令g[i][j]表示前i个木板刷了j次正确格子。

g[i][j]=g[i-1][k]+f[i][j-k][m].

下面是AC代码:

#include<bits/stdc++.h>
using namespace std;
int n,m,t,a[60][60],f[55][2600][55],g[55][2600],ck0[55][55],ck1[55][55],ff[55][2600];
char x;
int main(){
    cin>>n>>m>>t;
    for(int i=1;i<=n;i++){
        for(int j=1;j<=m;j++){
            scanf(" %c",&x);
            a[i][j]=x-'0';
        }
    }
    for(int i=1;i<=n;i++){
        for(int j=1;j<=m;j++){
            if(a[i][j]==0){
                ck0[i][j]=ck0[i][j-1]+1;
                ck1[i][j]=ck1[i][j-1];
            }
            else{
                ck1[i][j]=ck1[i][j-1]+1;
                ck0[i][j]=ck0[i][j-1];
            }
        }
    }
    int x1,x2;
    for(int i=1;i<=n;i++){
        for(int j=1;j<=t;j++){
            for(int k=1;k<=m;k++){
                for(int p=0;p<=k;p++){
                    x1=ck0[i][k]-ck0[i][p];
                    x2=ck1[i][k]-ck1[i][p];
                    f[i][j][k]=max(f[i][j][k],f[i][j-1][p]+max(x1,x2));
                }
            }
        }
    }
    for(int i=1;i<=n;i++){
        for(int j=1;j<=t;j++){
            for(int k=0;k<=j;k++){
                g[i][j]=max(g[i][j],f[i][k][m]+g[i-1][j-k]);
            }
        }
    }
    cout<<g[n][t];
}

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/432321.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

CSS的三种定位,web前端开发入门学习

正文 js逻辑判断 1)请写出下面的答案? 内存泄漏 1)哪些操作会造成内存泄漏&#xff1f; 2)js内存泄漏的解决方式 dom 1)dom是哪种基本的数据结构&#xff1f; 2)dom操作的常用api有哪些&#xff1f; 3)dom节点的attribute和property有何区别&#xff1f; 4)dom结构操作/ …

相机类型的分辨率长宽、靶面尺寸大小、像元大小汇总

镜头的靶面尺寸大于等于相机靶面尺寸。 相机的芯片长这样&#xff0c;绿色反光部分&#xff08;我的手忽略&#xff09;&#xff1a; 基本所有像素的相机的靶面大小都可以在这个表格里面找到。 镜头的靶面尺寸在镜头外表上可以找到&#xff0c;选型很重要&#xff01;

Mysql80服务无法启动请输入Net helpMsg3534以获得更多的帮助

起因&情景&#xff1a; 朋友正在操作数据库&#xff0c;然后电脑突然死机&#xff0c;再重启电脑后启动数据库服务报&#xff1a; 然后朋友尝试各种操作都没有办法正常启动&#xff0c; 一、网上解决方案&#xff1a;&#xff08;先别操作&#xff09; 1 删掉&#xff1a…

吴恩达deeplearning.ai:机器学习的开发过程与优化方法

以下内容有任何不理解可以翻看我之前的博客哦&#xff1a;吴恩达deeplearning.ai专栏 我想在接下来分析下开发机器学习系统的过程&#xff0c;这样当你自己动手时&#xff0c;能够做出更加正确的判断。 机器学习开发的迭代 Iterative loop of ML development 决定模型架构 第…

惯性导航 | 测量方程中的噪声模型与离散时间噪声模型

惯性导航 | 测量方程中的噪声模型与离散时间噪声模型 IMU测量方程中的噪声模型IMU的离散时间噪声模型 IMU测量方程中的噪声模型 在大多数系统中&#xff0c;IMU的噪声由两部分组成&#xff1a;测量噪声&#xff08;Measurement Nosie&#xff09;与零偏&#xff08;Bias&#…

【Numpy】给数组增加一个维度

【Numpy】给数组增加一个维度 &#x1f308; 个人主页&#xff1a;高斯小哥 &#x1f525; 高质量专栏&#xff1a;Matplotlib之旅&#xff1a;零基础精通数据可视化、Python基础【高质量合集】、PyTorch零基础入门教程&#x1f448; 希望得到您的订阅和支持~ &#x1f4a1; 创…

【Mining Data】收集数据(使用 Python 挖掘 Twitter 数据)

@[TOC](【Mining Data】收集数据(使用 Python 挖掘 Twitter 数据)) 具体步骤 第一步是注册您的应用程序。特别是,您需要将浏览器指向 http://apps.twitter.com,登录 Twitter(如果您尚未登录)并注册新应用程序。您现在可以为您的应用程序选择名称和描述(例如“Mining Demo”…

第九篇:– 过程发现(Process Discovery)是如何赋能数字化市场营销全过程?- 我为什么要翻译介绍美国人工智能科技巨头IAB公司

IAB平台&#xff0c;使命和功能 IAB成立于1996年&#xff0c;总部位于纽约市。 作为美国的人工智能科技巨头社会媒体和营销专业平台公司&#xff0c;互动广告局&#xff08;IAB- the Interactive Advertising Bureau&#xff09;自1996年成立以来&#xff0c;先后为700多家媒体…

MySql、Navicat 软件安装 + Navicat简单操作(建数据库,表)

一、MySql、Navicat 软件安装 及正常使用 MySql下载&#xff0b;安装&#xff1a; 检查安装情况&#xff1a; 配置环境变量&#xff1a; 搞定了&#xff01;&#xff01;&#xff01; 可以登陆试哈哈哈 连接navicat 开始创建数据库 二、 商品种类表 - commoditytype int …

【排序算法】深入理解归并排序算法:从原理到实现

目录 1. 引言 2. 归并排序算法原理 3. 归并排序的时间复杂度分析 4. 归并排序的应用场景 5. 归并排序的优缺点分析 5.1 优点&#xff1a; 5.2 缺点&#xff1a; 6. Java、JavaScript 和 Python 实现归并排序算法 6.1 Java 实现&#xff1a; 6.2 JavaScript 实现&…

Mybatis-Plus——04,自动填充时间(新注解)

自动填充&#xff08;新注解&#xff09; 一、数据库添加两个字段二、实体类字段属性上增加注解三、编写填充器四、查看结果4.1 插入结果4.2 修改结果 五、同步修改5.1实体类属性改成 INSERT_UPDATE5.2 在填充器的方法这里加上 updateTime5.3 查看结果————————创作不易…

三色标记过程

可达性分析 GC过程中需要对对象图遍历做可达性分析。使用了三色标记法进行分析。 什么三色&#xff1f; 白色&#xff1a;尚未访问过。 黑色&#xff1a;本对象已访问过&#xff0c;而且本对象 引用到 的其他对象 也全部访问过了。 灰色&#xff1a;本对象已访问过&#xff0…

【HarmonyOS】Dev Eco Studio4.0开发工具下载SDK10

目录 点击创建项目 选择空项目&#xff08;OpenHarmony&#xff09;&#xff0c;点击Next 此时SDK为10 点击 configure OpenHarmony SDK 创建一个新目录文件存放SDK&#xff0c;不要跟之前的SDK文件目录重合&#xff0c;点击Next 点击Next 勾选Accept&#xff0c;点…

板级PDN(电源分配网络)设计要点综述

目录 目标阻抗去耦方法 确定目标阻抗 确定目标频点 VRM 去耦电容 安装电感 平面电容 总结 去耦电容 PCB叠层设计 扩展阅读 目标阻抗去耦方法 确定PCB去耦方案的策略是使用频域目标阻抗法&#xff0c;通过层间电容和分立电容器组合的使用&#xff0c;保证电源轨阻抗在…

20240305-2-海量数据处理常用技术概述

海量数据处理常用技术概述 如今互联网产生的数据量已经达到PB级别&#xff0c;如何在数据量不断增大的情况下&#xff0c;依然保证快速的检索或者更新数据&#xff0c;是我们面临的问题。 所谓海量数据处理&#xff0c;是指基于海量数据的存储、处理和操作等。因为数据量太大无…

重量的定义、质量和重量之间的区别

一、简述 物体的重量取决于该物体所在空间点的引力场。重量是一种力&#xff0c;因此它是一个矢量&#xff0c;这意味着它有方向和大小。通过自由体图来表示物体重量产生的力通常很方便。 重量总是从物体的质心向下作用到地球中心。&#xff08;如果你在不同的天体上&#xff0…

html实体字符,看完这篇彻底明白了

二.技术基础知识 基础知识一直都是重点考察的内容&#xff0c;包含有HTML&#xff08;5&#xff09;、CSS&#xff08;3&#xff09;、JavaScript到 戳这里领取完整开源项目&#xff1a;【一线大厂前端面试题解析核心总结学习笔记Web真实项目实战最新讲解视频】 Vue&#xff0…

C++对象模型剖析(六)一一Data语义学(三)

Data 语义学&#xff08;三&#xff09; “继承” 与 Data member 上期的这个继承的模块我们还剩下一个虚拟继承&#xff08;virtual inheritance&#xff09;没有讲&#xff0c;现在我们就来看看吧。 虚拟继承&#xff08;Virtual Inheritance&#xff09; 虚拟继承本质就是…

Linux操作系统项目上传Github代码仓库指南

文章目录 1 创建SSH key2.本地git的用户名和邮箱设置3.测试连接4.创建仓库5.终端项目上传 1 创建SSH key 1.登录github官网,点击个人头像,点击Settings,然后点击SSH and GPG keys,再点击New SSH key。 Title 可以随便取&#xff0c;但是 key 需要通过终端生成。 Linux终端执行…

Leetcode3066. 超过阈值的最少操作数 II

Every day a Leetcode 题目来源&#xff1a;3066. 超过阈值的最少操作数 II 解法1&#xff1a;模拟 两个 int 类型的数 x 和 y 做操作&#xff1a;min(x, y) * 2 max(x, y)&#xff0c;得到的结果会超出 int 范围。 代码&#xff1a; /** lc appleetcode.cn id3066 langc…