uva 10755 - Garbage Heap 杂

简介:

 题意就是求三维空间里和最大的一片空间的值

 输入:T//组数

A,B,C// 三个维度

T1,T2,T3……//(1,1,1),(1,1,2)……(1,2,1)每一个的值

经典的二维求区间和扩展到了三维,计算时的加加减减好繁杂,就是枚举1-2^k(k为维数) 如果有奇数个1为加法,偶数个1为减法。

 最后利用保存局部最优解,将枚举降维,n^6变n^5

 注意读入也要用long long,组之间有空行

/*
author:jxy
lang:C/C++
university:China,Xidian University
**If you need to reprint,please indicate the source**
*/
#include <iostream>
#include <cstdio>
#include <cstdlib>
#include <cstring>
#include <algorithm>
using namespace std;
int A,B,C;
long long sum[22][22][22];
#define inf 17179869184001ll  //2^31 * 20^3 + 1
long long calc(int x1,int x2,int y1,int y2,int z1,int z2)
{
    return sum[x2][y2][z2]-sum[x1][y2][z2]-sum[x2][y1][z2]-sum[x2][y2][z1]+sum[x1][y1][z2]+sum[x1][y2][z1]+sum[x2][y1][z1]-sum[x1][y1][z1];
}
int main()
{
    int T;
    scanf("%d",&T);
    while(T--)
    {
        long long ans=-inf,tmp;
        scanf("%d%d%d",&A,&B,&C);
        memset(sum,0,sizeof(sum));
        int i,j,k;
        for(i=1;i<=A;i++)
            for(j=1;j<=B;j++)
                for(k=1;k<=C;k++)
                {
                    scanf("%lld",&tmp);
                    sum[i][j][k]=sum[i-1][j][k]+sum[i][j-1][k]+sum[i][j][k-1]-sum[i-1][j-1][k]-sum[i-1][j][k-1]-sum[i][j-1][k-1]+sum[i-1][j-1][k-1]+tmp;
                    //二进制001-111 有奇数个1时为+,偶数个为-,可以推广到高维
                }
        for(int x1=0;x1<A;x1++)
         for(int y1=0;y1<B;y1++)
          for(int x2=x1+1;x2<=A;x2++)
           for(int y2=y1+1;y2<=B;y2++)
           {
            long long before=0;
            for(int z=1;z<=C;z++)//利用before降维
            {
                tmp=calc(x1,x2,y1,y2,0,z);
                ans=max(ans,tmp-before);
                before=min(before,tmp);
            }
           }
        printf("%lld\n",ans);
        if(T)puts("");
    }
}


目录
相关文章
|
机器学习/深度学习 vr&ar
【深度强化学习】值函数逼近的详解(图文解释)
【深度强化学习】值函数逼近的详解(图文解释)
304 0
|
传感器 机器学习/深度学习 编解码
Radar-LiDAR BEV融合!RaLiBEV:恶劣天气下3D检测的不二之选
论文使用最近发布的Oxford Radar RobotCar(ORR)数据集展示了所提出方法的优越性能。实验表明,RaLiBEV的精度大大优于其他最先进的方法。
Radar-LiDAR BEV融合!RaLiBEV:恶劣天气下3D检测的不二之选
|
SQL 关系型数据库 MySQL
PolarDB-X 针对跑批场景的思考和实践
金融行业和运营商系统,业务除了在线联机查询外,同时有离线跑批处理,跑批场景比较注重吞吐量,同时基于数据库场景有一定的使用惯性,比如直连MySQL分库分表的存储节点做本地化跑批、以及基于Oracle/DB2等数据库做ETL的数据清洗跑批等。
PolarDB-X 针对跑批场景的思考和实践
|
10月前
|
SQL 存储 JSON
实时数仓 Hologres 产品介绍:一体化实时湖仓平台
本次方案的主题是实时数仓 Hologres 产品介绍:一体化实时湖仓平台,介绍了 Hologres 湖仓存储一体,多模式计算一体、分析服务一体和 Data+AI 一体四方面一体化场景,并对其运维监控方面及客户案例进行一定讲解。 1. Hologres :面向未来的一体化实时湖仓 2. 运维监控 3. 客户案例 4. 总结
660 14
|
文字识别 监控 机器人
百度飞桨(PaddlePaddle) - PP-OCRv3 文字检测识别系统 预测部署简介与总览
百度飞桨(PaddlePaddle) - PP-OCRv3 文字检测识别系统 预测部署简介与总览
518 0
|
算法 C# 数据安全/隐私保护
C# | 上位机开发新手指南(十)加密算法——ECC
本篇文章我们将继续探讨另一种非对称加密算法——ECC。 严格的说,其实ECC并不是一种非对称加密算法,它是一种基于椭圆曲线的加密算法,广泛用于数字签名和密钥协商。 与传统的非对称加密算法(例如RSA)不同,ECC算法使用椭圆曲线上的点乘法来生成密钥对和进行加密操作,而不是使用大数分解等数学算法。这使得ECC算法具有相同的安全性和强度,但使用更少的位数,因此在资源受限的环境中具有优势。 ECC算法虽然使用公钥和私钥进行加密和解密操作,但是这些操作是基于点乘法实现的,而不是基于大数分解等算法实现的。因此,ECC算法可以被视为一种非对称加密算法的变体,但是它与传统的非对称加密算法有所不同。
659 0
C# | 上位机开发新手指南(十)加密算法——ECC
|
开发框架 数据可视化 数据挖掘
EMAS(Enterprise Mobile Application Studio)
EMAS(Enterprise Mobile Application Studio)是阿里巴巴集团提供的一套企业级移动应用开发平台。它旨在帮助企业快速构建和管理移动应用,并提供了丰富的开发工具和功能,以简化移动应用开发的流程。
353 1
|
机器学习/深度学习 敏捷开发 人工智能
CVPR 2022 | 高质量捕捉人物动作,网易互娱AI Lab提出高效视频动捕技术
CVPR 2022 | 高质量捕捉人物动作,网易互娱AI Lab提出高效视频动捕技术
741 0
|
消息中间件 Prometheus 运维
Grafana服务测评
学习汇总
386 0
|
存储 运维 分布式计算
数澜科技全面集成阿里云AnalyticDB数据仓库 打造轻量级数据中台
在上海举办的阿里云生态策略升级&伙伴招募发布会上,数澜科技与阿里云达成技术合作,数澜科技旗下核心产品数栖平台全面集成阿里云自研数据仓库AnalyticDB,为金融客户打造轻量级数据中台解决方案。据了解,数澜科技全面集成阿里云自研数据仓库AnalyticDB之后,所打造的轻量级数据中台,将能够满足客户对大规模、不同格式类型的数据处理需求,同时可以简化数据中台底层架构,实现传统数仓到实时数仓的进化,快速让数据价值流动起来。
1231 0
数澜科技全面集成阿里云AnalyticDB数据仓库 打造轻量级数据中台