HDU3480 Division【二维斜率优化DP+滚动数组】

Delphi 13.2控件之FMSoft-uniGUI-HyperServer-Config-1.99.0.1616.exe Delphi 13.2控件之FMSoft_uniGUI_HyperServer_Config_1.99.0.1616.exe 立即下载

Time Limit: 10000/5000 MS (Java/Others)    Memory Limit: 999999/400000 K (Java/Others)

Problem Description

Little D is really interested in the theorem of sets recently. There’s a problem that confused him a long time.  
Let T be a set of integers. Let the MIN be the minimum integer in T and MAX be the maximum, then the cost of set T if defined as (MAX – MIN)^2. Now given an integer set S, we want to find out M subsets S1, S2, …, SM of S, such that


and the total cost of each subset is minimal.

Input

The input contains multiple test cases.
In the first line of the input there’s an integer T which is the number of test cases. Then the description of T test cases will be given. 
For any test case, the first line contains two integers N (≤ 10,000) and M (≤ 5,000). N is the number of elements in S (may be duplicated). M is the number of subsets that we want to get. In the next line, there will be N integers giving set S.

Output

For each test case, output one line containing exactly one integer, the minimal total cost. Take a look at the sample output for format.

Sample Input

2

3 2

1 2 4

4 2

4 7 10 1

Sample Output

Case 1: 1

Case 2: 18

Hint

The answer will fit into a 32-bit signed integer.

题意:

n个数分成m组,每组的花费是(max_min)^2,求最小花费;

分析:

将前i个数分成j组,由前k个数分成j-1组转移而来,得到朴素DP方程:

dp[i][j]=min(dp[k][j-1]+(a[i]-a[k+1])^2)

设 k2<k1<i,且

dp[k1][j-1]+(a[i]-a[k1+1])^2<dp[k2][j-1]+(a[i]-a[k2+1])^2

移项,合并同类项,令

Y(x)=dp[x][j-1]+a[x+1]^2 , X(x)=2*a[x+1]

代入上述不等式,得:

\frac{Y(k1)-Y(k2)}{X(k1)-X(k2)}<a[i]

然后进行斜率优化dp,这里用到了滚动数组

 

【Tips】斜率dp一般应用于连续的一段或几段求最值,即1~k,k+1~j,j+1~...这样分段而不能跳开来求,仅仅有连续段才能用单调队列维护凸包优化,然后更新dp[i]=dp[j]+(j+1~i)的值。

#include<bits/stdc++.h>
#define INF 0x7f7f7f7f
using namespace std;
const int maxn=1e4+7;
int q[maxn],a[maxn],dp[2][maxn];
int tmp=0,head,tail;
//dp[i][j]=min{dp[k][j-1]+(a[i]-a[k+1])^2};
int getdp(int i,int k) {return dp[tmp^1][k]+(a[i]-a[k+1])*(a[i]-a[k+1]);}
int getup(int k1,int k2) {return (dp[tmp^1][k1]+a[k1+1]*a[k1+1])-(dp[tmp^1][k2]+a[k2+1]*a[k2+1]);}
int getdown(int k1,int k2) {return 2*(a[k1+1]-a[k2+1]);}
int main()
{
    int t;scanf("%d",&t);
    for (int id=1;id<=t;id++)
    {
        int n,m;scanf("%d%d",&n,&m);
        for (int i=1;i<=n;i++) scanf("%d",&a[i]);
        sort(a+1,a+1+n);
        tmp=0;
        for (int i=1;i<=n;i++) dp[tmp][i]=INF;
        for (int j=1;j<=m;j++)
        {
            tmp^=1;
            head=tail=0;
            q[tail++]=0;
            for (int i=1;i<=n;i++)
            {
                while (head+1<tail && getup(q[head+1],q[head])<=a[i]*getdown(q[head+1],q[head])) head++;
                dp[tmp][i]=getdp(i,q[head]);
                while (head+1<tail && getup(i,q[tail-1])*getdown(q[tail-1],q[tail-2])<=getdown(i,q[tail-1])*getup(q[tail-1],q[tail-2])) tail--;
                q[tail++]=i;
            }
        }
        printf("Case %d: %d\n",id,dp[tmp][n]);
    }
    return 0;
}

 

YOLO26算法室内办公与教学环境办公家具及人员目标检测+训练好的模型+702张数据集+pyqt可视化界面.zip 附训练好的 YOLO 权重与 PyQt 可视化检测界面,页面底部含可视化效果预览,毕设/课设开箱即用。 【数据集概况】 · 检测类别(中文):[人(0), 柜子(1), 纸箱(2), 办公椅(4), 黑板(5), 桌子(6), 人(7), 机器人(8), 储物柜(9)] · 训练集:606 张 · 验证集:62 张 · 测试集:34 张 · 总计:702 张 该数据集聚焦于室内办公与教学场景,涵盖办公室、教室、实验室等典型工作学习空间,精准识别人员活动、办公设备及基础家具,具有高度的现实应用价值,可为智能办公系统、校园安防管理及空间资源调度提供高质量视觉感知支持。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 100 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9488** mAP50-95 | 0.7885 Precision | 0.9141 Recall | 0.9216 train/box_loss | 0.3930 train/cls_loss | 0.2854 val/box_loss | 0.6574 val/cls_loss | 0.4360 【训练过程分析】 回顾整个训练过程,640x640 输入尺寸下的 yolo26n 模型在 100 轮训练后达到了较为理想的 mAP50 0.9488,这表明模型在目标检测任务上具备了强大的能力。训练集的 box_loss 从初始值 0.3930 下降到最终的 0.3930,表明网络在训练集上收敛良好,没有明显的过拟合现... 使用场景:毕业设计、课程设计、深度学习入门、工业场景落地验证。 立即下载

相关推荐

科技中介服务机构如何构建轻量化、易操作的数智化服务工具?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

国央企创新负责人如何通过平台推动内部技术成果高质量转化?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

政府科技管理者如何提升科技成果转化政策制定的科学性与精准性?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

S函数实现BP神经网络PID控制器的Simulink仿真

内容概要:本文详细介绍了利用S函数在Simulink环境中实现BP神经网络PID控制器的仿真方法,通过结合BP神经网络的自学习能力与PID控制的稳定性,构建了一种能够在线调整控制参数的智能控制器。文中阐述了BP神经网络的结构与学习算法,以及如何将其与传统PID控制器相结合,并利用MATLAB/Simulink平台中的S函数功能实现了该复合控制器的建模与仿真。此外,还展示了控制器在特定系统模型上的应用实例,验证了其相较于传统PID控制在响应速度、稳态精度及抗干扰能力方面的优越性能。; 适合人群:具备一定自动控制理论基础和MATLAB/Simulink使用经验的科研人员及工程技术人员。; 使用场景及目标:①研究和开发具有自适应能力的先进PID控制器;②在控制系统课程教学中作为典型案例讲解智能控制算法的应用;③为工业自动化领域提供一种有效的控制策略解决方案; 阅读建议:建议读者结合MATLAB官方文档深入理解S函数的编写规范,并尝试修改示例代码以适应不同的被控对象,从而加深对BP神经网络PID控制原理的理解和掌握。

产业园区运营负责人如何精准识别园区内潜在可转化科技成果?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

C++开发C++ Private访问控制示例4

内容概要:本文通过一个C++类“Calculator”的具体示例,展示了private访问控制在类成员函数中的应用。重点说明了私有成员函数(如validate)只能在类内部被调用,用于实现内部逻辑校验和数据保护,而不能被外部对象直接访问。公有成员函数(如add)则负责对外提供接口,并在内部调用私有函数完成合法性检查,从而实现了封装性和安全性。该示例清晰地体现了面向对象编程中信息隐藏的核心理念。; 适合人群:具备C++基础语法知识,理解类与对象概念的初学者或中级开发者,尤其适合正在学习封装和访问控制机制的学习者。; 使用场景及目标:①理解private关键字在成员函数中的作用;②掌握私有函数作为内部辅助工具的设计方法;③学习如何通过公有接口安全地访问和操作私有数据;④深入理解类的封装机制与访问控制规则。; 阅读建议:建议结合代码实例进行编译调试,尝试将validate函数改为public或protected,观察访问权限的变化,加深对C++访问控制的理解。同时可扩展此类,增加更多私有验证逻辑以强化实践能力。

阿里云云原生架构白皮书文档

阿里云云原生架构白皮书,由阿里云内部技术团队合著,对整个阿里云云原生产品和架构理念进行了全面深入介绍

code-1.143.1-1792691956.el8.x86-64.rpm

code-1.143.1-1792691956.el8.x86_64.rpm

科技中介服务机构如何构建差异化的服务能力与竞争优势?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

eclipse-java-2026-09-R-win32-x86-64.zip

eclipse-java-2026-09-R-win32-x86_64.zip

三相四桥臂逆变器不平衡负载多准PR并联控制器仿真【参考文献+说明文档】

内容概要:本文档围绕“三相四桥臂逆变器在不平衡负载条件下的多准PR并联控制”展开系统性仿真研究,重点引入RIME优化算法对PID控制器参数进行高效整定,显著提升系统在复杂工况下的动态响应能力与运行稳定性。文档详细阐述了Simulink仿真模型的构建过程、多准PR控制策略的设计原理以及多目标优化方法的应用实现,涵盖风光火储等多种能源形式参与电网一次调频与二次AGC调频的协同控制机制。同时,深度融合“双碳”战略背景,集成碳排放交易、绿证市场、碳流追踪与碳足迹分析等低碳调度模型,体现综合能源系统多维度、多目标优化的技术前沿性。此外,文档还提供了模糊PID、RBF神经网络、PSO等多种先进控制算法的对比仿真案例,增强了研究的深度与教学参考价值。; 适合人群:适用于电气工程、自动化、新能源科学与工程及相关专业的研究生、科研人员以及从事电力电子与新能源系统控制的工程技术人员,要求具备扎实的MATLAB/Simulink仿真基础和电力系统控制理论知识。; 使用场景及目标:①开展三相四桥臂逆变器在不平衡负载工况下的并联控制策略研究;②学习并应用RIME、PSO等智能优化算法实现PID参数整定;③构建风光火储多源协同参与电网一次调频与二次AGC调频的仿真系统;④开展含碳流追踪与碳足迹分析的低碳电力系统优化调度课题研究与论文复现; 其他说明:文档配套完整的仿真模型、参考文献与详细说明材料,资源可通过微信公众号“荔枝科研社”获取,适用于科研项目支撑、高水平论文复现、课程设计及研究生课题指导。

【雷达相控阵】任意形状离散阵列的阵列因子 方向图(Matlab实现)

内容概要:本文围绕“任意形状离散阵列的阵列因子与方向图”展开,基于Matlab平台实现了雷达相控阵中任意几何布局天线阵列的辐射特性仿真。研究聚焦于阵列因子的数学建模与数值计算,通过编程手段灵活构建不同形状的离散天线阵列(如直线、圆形、平面及不规则布局),并计算其远场方向图,分析主瓣宽度、旁瓣电平、波束指向等关键性能指标。该资源隶属于“荔枝科研社”提供的综合性科研仿真体系,配套提供可运行的Matlab代码、详细说明文档、参考文献及复现指导,强调理论与工程实践的结合,适用于雷达系统设计、波束成形算法开发及阵列优化等应用场景。; 适合人群:具备Matlab编程能力、信号与系统、电磁场与微波技术基础知识的研究生、科研人员及从事雷达、通信、电子工程等相关领域的技术人员。; 使用场景及目标:①掌握相控阵阵列因子的理论基础与Matlab仿真方法;②开展新型阵列结构的设计与性能评估;③支持科研项目、课程设计或学位论文中的天线阵列仿真任务;④深入理解阵列参数(如阵元间距、激励幅度与相位)对方向图的影响机制。; 阅读建议:建议读者首先学习阵列天线基本理论,特别是阵列因子的形成原理,随后结合所提供的Matlab代码进行仿真实践,通过调整阵列几何构型、馈电方式和扫描角度等参数,观察方向图的变化规律,进而深化对阵列辐射特性和波束控制能力的理解。

T型三电平逆变器MPC模型预测控制(电流预测+功率预测)中点电位平衡控制仿真(Simulink仿真实现)

内容概要:本文围绕T型三电平逆变器的模型预测控制(MPC)技术展开,重点研究了基于Simulink的电流预测、功率预测及中点电位平衡控制的仿真建模与实现方法。通过构建完整的MPC控制框架,系统实现了对逆变器多目标控制的精细化管理,有效解决了中点电位波动问题。文档还整合了多种先进控制策略与智能优化算法(如RIME、PSO、GWO等),用于控制器参数整定与系统性能优化,并涵盖了微电网、VSG、储能系统、柔性直流配电等电力系统前沿领域的仿真应用,展示了MPC在电力电子变换系统中的强大适应性和扩展潜力。; 适合人群:具备一定电力电子、自动控制理论基础,从事电气工程、新能源系统、电力系统自动化等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①开展三电平逆变器中点电位平衡控制的研究与仿真验证;②应用模型预测控制(MPC)于电力变换系统的设计与优化;③结合智能优化算法实现控制器参数整定与系统性能提升;④为科研项目、论文复现、毕业设计提供可参考的技术方案与仿真模型。; 阅读建议:此资源集合了大量实际仿真案例与算法实现代码,建议结合所提供的参考文献、说明文档及网盘资料进行系统学习,重点关注MPC控制结构搭建、中点电位波动抑制策略设计,并通过修改参数、更换算法等方式深入理解不同控制策略的效果差异。

基于RBF神经网络的双参数自适应光储VSG并网MATLAB仿真模型

内容概要:本文提出了一种基于RBF神经网络的双参数自适应光储虚拟同步发电机(VSG)并网MATLAB仿真模型,旨在通过智能算法提升光储系统在复杂工况下的并网稳定性与动态适应能力。该模型创新性地将RBF神经网络引入VSG控制策略中,对虚拟惯量和阻尼系数两个关键参数进行实时在线自适应调节,以应对光照强度波动、负载突变等外部扰动,从而优化系统的频率响应特性、抑制功率振荡,并提高并网电流质量与系统鲁棒性。研究详细阐述了VSG的基本控制原理、RBF神经网络的结构设计及其在参数自适应中的实现机制,并通过MATLAB/Simulink平台构建了完整的仿真系统,通过对比实验验证了所提方法在动态响应速度、抗干扰能力和稳态精度方面相较于传统固定参数VSG控制的显著优越性。; 适合人群:具备电力系统自动化、新能源发电技术或电力电子与电力传动等相关专业背景,熟悉MATLAB/Simulink仿真环境,从事新能源并网控制、微电网技术或智能控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①深入研究和掌握虚拟同步发电机(VSG)的核心控制技术及其在光储系统中的应用;②探索人工智能算法(特别是RBF神经网络)在电力系统参数自适应调节与智能控制中的实践路径;③为开发高性能、高鲁棒性的新能源并网控制系统提供先进的仿真验证平台和技术参考。; 阅读建议:读者应结合文中详尽的仿真模型与配套代码,透彻理解VSG控制逻辑与RBF神经网络的训练及推理过程,建议在复现仿真结果的基础上,主动调整网络结构、学习参数或引入新的扰动工况,深入探究其对系统整体性能的影响,以达到融会贯通的学习效果。

高校技术转移办公室如何精准识别有转化潜力的科研成果?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

基于时频特征匹配的雷达多体制信号数字下变频自适应方法探究(Matlab代码实现)

内容概要:本文系统研究了基于时频特征匹配的雷达多体制信号数字下变频(DDC)自适应方法,并提供了完整的Matlab代码实现。针对现代雷达系统中复杂电磁环境下多体制信号共存的问题,提出了一种结合时频分析与特征匹配的信号识别与参数估计方法,能够有效区分不同调制体制的雷达信号。在此基础上,设计了自适应数字下变频处理架构,实现了对未知信号的智能解调与频谱搬移,提升了雷达接收机的兼容性与智能化水平。研究重点在于优化时频域特征提取算法以提高识别准确率,并通过数字下变频技术实现高精度、高效率的信号处理,增强了系统在非合作环境下的适应能力。; 适合人群:具备雷达信号处理、数字信号处理等相关专业知识,熟悉时频分析方法与Matlab编程工具的研究生、科研人员及从事雷达系统研发的工程技术人员。; 使用场景及目标:①应用于复杂电磁环境中多体制雷达信号的自动识别与解调;②提升雷达接收机对未知或非合作信号的自适应处理能力;③作为高校与科研机构的教学与实验案例,深化对时频分析、特征匹配与DDC技术融合应用的理解。; 阅读建议:读者应结合提供的Matlab代码深入剖析算法实现流程,重点关注短时傅里叶变换(STFT)、Wigner-Ville分布等时频分析手段在特征提取中的应用,以及特征匹配机制与自适应DDC参数调整之间的联动逻辑,建议通过仿真多种典型雷达信号(如LFM、FSK、PSK等)来验证算法的有效性与鲁棒性。

上一篇: HDU3045 Picnic Cows【斜率优化DP】
下一篇: HDU2829 Lawrence 【二维斜率优化DP+滚动数组】
MaJorie555
博客等级 码龄8年 14粉丝 103原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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