Hdu 4521 小明系列问题——小明序列【lis 变形】

博客介绍了如何解决一种特殊条件的最长上升子序列问题,即序列中相邻元素坐标差值必须大于给定的d值。作者在比赛中遇到困难,通过研究大神的代码逐渐理解了利用lis(最长递增子序列)思想进行解题的方法,将区间状态映射到坐标并更新。虽然目前理解尚存困难,但作者计划深入理解这一算法。

小明系列问题——小明序列

Time Limit: 3000/1000 MS (Java/Others) Memory Limit: 65535/32768 K (Java/Others)
Total Submission(s): 2691 Accepted Submission(s): 828


Problem Description
  大家都知道小明最喜欢研究跟序列有关的问题了,可是也就因为这样,小明几乎已经玩遍各种序列问题了。可怜的小明苦苦地在各大网站上寻找着新的序列问题,可是找来找去都是自己早已研究过的序列。小明想既然找不到,那就自己来发明一个新的序列问题吧!小明想啊想,终于想出了一个新的序列问题,他欣喜若狂,因为是自己想出来的,于是将其新序列问题命名为“小明序列”。

  提起小明序列,他给出的定义是这样的:
  ①首先定义S为一个有序序列,S={ A1 , A2 , A3 , ... , An },n为元素个数 ;
  ②然后定义Sub为S中取出的一个子序列,Sub={ Ai1 , Ai2 , Ai3 , ... , Aim },m为元素个数 ;
  ③其中Sub满足 Ai1 < Ai2 < Ai3 < ... < Aij-1 < Aij < Aij+1 < ... < Aim ;
  ④同时Sub满足对于任意相连的两个Aij-1与Aij都有 ij - ij-1 > d (1 < j <= m, d为给定的整数);
  ⑤显然满足这样的Sub子序列会有许许多多,而在取出的这些子序列Sub中,元素个数最多的称为“小明序列”(即m最大的一个Sub子序列)。
  例如:序列S={2,1,3,4} ,其中d=1;
  可得“小明序列”的m=2。即Sub={2,3}或者{2,4}或者{1,4}都是“小明序列”。

  当小明发明了“小明序列”那一刻,情绪非常激动,以至于头脑凌乱,于是他想请你来帮他算算在给定的S序列以及整数d的情况下,“小明序列”中的元素需要多少个呢?

Input
  输入数据多组,处理到文件结束;
  输入的第一行为两个正整数 n 和 d;(1<=n<=10^5 , 0<=d<=10^5)
  输入的第二行为n个整数A1 , A2 , A3 , ... , An,表示S序列的n个元素。(0<=Ai<=10^5)

Output
  请对每组数据输出“小明序列”中的元素需要多少个,每组测试数据输出一行。

Sample Input
  
2 0 1 2 5 1 3 4 5 1 2 5 2 3 4 5 1 2

Sample Output
  
2 2 1

Source

题意:

给出一个序列,元素个数为n,求此序列的最长上升子序列长度,要求子序列的每两个相邻的元素的坐标差值大于给定的d 值


题解:

比赛的时候确实不会做,感觉lis 应该是可以的,但是就是不知道如何修改,看来自己只最做模板题........

看的大神的代码,研究了半天,大概看明白了,把一段区间的状态对应到一个坐标上,然后进行lis 的更新,只是直接进行的操作是数组的下标的值

额...有点晕,还是自己再理解理解吧......


/*
http://blog.csdn.net/liuke19950717
*/
#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
const int maxn=1e5+5;
const int inf=0x3f3f3f3f;
int x[maxn],dp[maxn],num[maxn];
int lis(int n,int d)
{
	memset(num,inf,sizeof(num));
	memset(dp,0,sizeof(dp));
	int ans=0;
	for(int i=1;i<=n;++i)
	{
		int tp=lower_bound(num+1,num+n+1,x[i])-num;
		dp[i]=tp;
		int k=i-d;
		if(k>0)
		{
			num[dp[k]]=min(num[dp[k]],x[k]);
		}
		ans=max(ans,dp[i]);
	}
	return ans;
}
int main()
{
	int n,d;
	while(~scanf("%d%d",&n,&d))
	{
		for(int i=1;i<=n;++i)
		{
			scanf("%d",&x[i]);
		}
		printf("%d\n",lis(n,d));
	}
	return 0;
}

随着人类对生命健康需求的不断增长,新药研发面临着前所未有的挑战。传统的药物研发流程通常耗时长达十年以上,耗资数十亿美元,且最终成功率极低,这在制药界被称为“反摩尔定律”困境。近年来,人工智能技术的飞速发展,特别是深度学习和大数据分析的广泛应用,为新药发现带来了革命性的契机。人工智能能够从海量的化学和生物数据中挖掘潜在规律,显著加速药物靶点发现、先导化合物优化等关键环节。在此背景下,本研究旨在设计并实现一个基于人工智能的新药发现辅助系统,以期为传统药物研发流程提供高效的智能化辅助工具,从而有效缩短研发周期并大幅降低研发成本。本研究以Python作为主要开发语言,深度结合PyTorch和TensorFlow两大主流深度学习框架,并集成RDKit化学信息学工具包,构建了一个功能完善的新药发现辅助系统。系统的核心目标是利用先进的人工智能技术辅助新药分子的设计与活性评估。在研究方法上,本文创新性地提出了一种融合多模态数据的新药发现算法。该算法综合处理分子的多种表示形式,包括一维的SMILES序列、二维的分子图结构以及三维的空间构象数据。通过构建多通道神经网络,系统能够有效提取并融合不同模态的特征,从而全面捕捉分子的理化性质与生物学活性之间的复杂非线性关系。 【课程报告内容】 摘要 第1章 绪论 第2章 相关技术与理论 第3章 系统需求分析 第4章 系统总体设计 第5章 系统详细设计与实现 第6章 系统测试与分析 第7章 总结与展望 参考文献 附件-实现指南
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