如何为wordpress网站选择厦门地区的随机背景图片，以提高seo排名？

wordpress随机背景图片,厦门seo关键词排名,写作挣钱的网站,建一个小型购物网站要有服务器动态规划解题步骤 : 动态规划问题一般从三个步骤进行考虑。 步骤一:集合和集合的状态 所谓的集合#xff0c;就是一些方案的集合。 用 g[i][j] 表示从前 i 种物品中进行选择#xff0c;且总体积不大于 j 的各个选法获得的价值的集合。注意#xff1a;g[i][j] 不是一个数…动态规划解题步骤 : 动态规划问题一般从三个步骤进行考虑。 步骤一:集合和集合的状态 所谓的集合就是一些方案的集合。 用 g[i][j] 表示从前 i 种物品中进行选择且总体积不大于 j 的各个选法获得的价值的集合。注意g[i][j] 不是一个数是一堆数。 例如 g[2][3] 从前 2 种物品中进行选择且总体积不大于 3 的各个选法获得的价值的集合。 g[2][3] 的可选择方案包括 方案一都不选总价值为 0。 方案二选 1 件 物品 1总价值为 2。 方案三选 2 件物品 1总价值为 4。 方案四选 3件 物品 1总价值为 6。 方案五选 1 件物品 2总价值为 4。 方案六选 1 件物品 2一件物品 1总价值为 6。 所以 g[2][3] {024642}。 i j 取不同的值对应不同的 g[i][j]也就是对应不同的集合。 用 f[i][j] 表示从前 i 种物品中进行选择总体积小于等于 j 所能获得的最大价值。很明显f[i][j] 就是 g[i][j] 中的最大值。i j 取不同的值就对应不同的 f[i][j]。我们把 f[i][j] 叫做集合的状态。 例如 f[2][3] 表示从前 2 种物品中进行选择且总体积不大于 3 的获得的最大价值。f[2][3] max(g[2][3] ) max( 024642) 6。 g[i][j] 的最大值就是 f[i][j]。 如果我们能把所有集合对应的最大值都求出来即求出了 f[0][0] ~ f[N][V] f[N][V] 的含义是在前 N 种物品中进行选择总体积不大于 V 所获得的最大价值就是我们要找的答案。 注意我们不需要把各个集合的所有元素都找出来只需要求出各个集合的最大值就能找到答案。下面就是如何求出各个集合的最大值。 步骤二状态计算 g[i][j] 是从前 i 种物品中进行选择且总体积不大于 j 的各个选法获得的价值的集合。 f[i][j] 是从前 i 种物品中进行选择总体积小于等于 j 所能获得的最大价值。 f[i][j] 是集合 g[i][j] 的最大值。 所谓的状态计算是指如何将把 f[i][j] 算出来。 如果把各个集合 g[i][j] 的状态 f[i][j] 求出来 f[N][V] 就是要找的答案。 回想一下 0 1 背包问题。 01 背包问题把 g[i][j]划分成了 A B 两部分分别求出这两个部分对应的最大值然后两者取最大值就是整体 g[i][j] 的最大值就是 f[i][j]。 01 背包根据是否选择第 i 件物品也就是第 i 件物品选 0 个还是 1 个把 g[i][j] 划分成了 A B 两部分分别求出这两个部分的最大值然后两者取最大值就是整体 g[i][j] 的最大值也就求出了 f[i][j]。 完全背包问题也是根据第 i 件物品的选择数量把 g[i][j] 划分成不同的部分分别求出各个部分的最大值取各个部分最大值中的最大值就是整体 g[i][j] 的最大值也就求出了 f[i][j]。 因为每种物品的数量是无限的根据第 i 种物品的选择数量可以把 g[i][j] 分为这样几部分 A 部分 第 i 种物品选 0 件。 B 部分第 i 件物品选 1 件。 C 部分 第 i 件物品选 2 件。 X 部分 第 i 件物品选 x 件。 . . . . . 因为选择物品的总体积不能 j所以第 i 件物品最多选多选j / vivi 向下取整件。 对于 A 部分第 i 件物品选 0 件。等价于从前 i - 1 种物品中选择商品且总体积不超过 j 的各个价值的集合也就是 g[i - 1][j]。g[i - 1][j] 这个集合中的最大值是 f[i - 1][j] 所以 A 部分的最大值就是 f[i - 1][j]。 对于 B 部分第 i 件物品选 1 件 1 个 i 物品会占据 vivi 的背包空间剩下的背包空间为 j - vivi 。可以从前 i - 1 种物品中选出总体积小于等于j - vivi 的物品放入背包。 从前 i - 1 种物品中选出总体积小于等于j - vivi 的各个方案获得的价值集合为 g[i - 1][j - vivi ]所以 B 部分的元素为 g[i - 1][j - vivi ] 中各个元素加上 wiwi 。g[i - 1][j - vivi ] 中的最大值为 f[i - 1][j - vivi ]所以 B 部分的最大值为 f[i - 1][j - vivi ] wiwi。 对于 X 部分第 i 件物品选 x 件 x 个 i 物品会占据 x * vivi 的背包空间剩下的背包空间为 j - x * vivi 。可以从前 i - 1 种物品中选出总体积小于等于j - x * vivi 的物品放入背包。 从前 i - 1 种物品中选出总体积小于等于j - x * vivi 的各个方案获得的价值集合为 g[i - 1][j - x * vivi ]所以 x 部分的元素为 g[i - 1][j - x * vivi ] 中各个元素加上 x * wiwi 。g[i - 1][j - x * vivi ] 中的最大值为 f[i - 1][j - x * vivi ]所以 B 部分的最大值为 f[i - 1][j - x * vivi ] x * wiwi。 例如 g[2][4]。 第二种物品的体积为 2选择物品的总体积不能超过 4。所以第二件物品可以选择0件、1件、2件。 因此 g[2][4] 可以分成以下几部分 A 部分第二件物品选 0 件。A 部分的最大值为 f[i - 1][j - 0 * vivi] 0 * wiwi 。 B 部分第二件物品选 1 件。B部分的最大值为 f[i - 1][j - 1 * vivi ] 1 * wiwi 。 C 部分第二件物品选 2 件。C 部分的最大值为f[i - 1][j - 2 * vivi ] 2 * wiwi 。 g[2][4] 中的最大值为 max(ABC)。 通过上面分析我们可以知道g[i][j] 可以分成若干部分: A 部分是第 i 种物品选 0 个对应所有选法获的价值的集合最大值是 f[i - 1][j]。 B 部分是第 i 种物品选 1 个对应所有选法获的价值的集合最大值是 f[i-1][j - vivi] wiwi。 X 部分是第 i 种物品选 x 个对应所有选法获的价值的集合最大值是 f[i - 1][j - x * wiwi]。 所以 g[i][j] 的最大值就是所有子集的最大值中最大的那个也就是 f[i][j] max(A, B ····) 即 展开式为f[i] [j] max( f[i-1][j] , f[i - 1][j - vivi]w , f[i - 1][j - 2 * vivi] 2 * w , f[i - 1][j - k * vivi ] k * w , .....) 其中 k j / w。 从计算公式可以看出: f[i][j] 是由 f[i - 1][j - k * vivi ] (0 k j / wiwi) 和 wiwi 计算出来的。 f[i][j]的值是可以从前面已经计算出的 f 值求出来。 如果我们能确定 f[i][j] 的一部分初始值就能通过该公式一步步计算得出 f[N][V]也就是我们要找的答案。 步骤三确定初始值 完全背包问题的有些状态是能够直接确定的。 例如 f[0][0]。 f[0][0] 的含义是: 从前 0 种物品中选择并且选出的物品总体积小于等于0 时所能得到的最大价值。 总体积小于等于 0说明一种物品都不能选择。 因此 f[0][0] 0。同理 f[1][0] 0f[2][0] 0 ··· f[N][0] 0。 有了这些初始值通过 i 从 1 遍历 Nj 从 1 遍历 V第 i 种物品的选择数量 k 从 0 遍历到 j / wiwi 就能一步步求出所有的 f[i][j] 了。 例如求 f[1][1] f[1][1] max{f[0][1]f[0][0] 2} max(02) 2。 求 f[1][2] f[1][2] max{f[0][2]f[0][1] 2f[0][0] 4} max(024) 4。 最后 f[N][V] 就是要找的答案。 这时候就可以写代码了 #includeiostream using namespace std;const int N 1010;int n, m; int f[N][N], v[N], w[N];int main(){cin n m;for(int i 1; i n; i )cin v[i] w[i];for(int i 0; i m; i)//初始化{f[0][i] 0;}for(int i 1; i n; i )for(int j 0; j m; j )for(int k 0; k * v[i] j; k )f[i][j] max(f[i][j], f[i - 1][j - k * v[i]] k * w[i]);//求出每一个 f[i][j]cout f[n][m] endl; }... 优化 : 动态规划的优化一般都是对代码或者状态计算方程进行一个等价变形。 在考虑动态规划问题的时候一定要先把基本的形式写出来然后再对它进行优化。 看一下 f[i][j] 和 f[i][j - vivi] 的求解公式 f[i][j] max( f[i-1][j] , f[i-1][j - vivi] w , f[i-1][j - 2 * vivi] 2 * w , f[i-1][j - 3 * vivi] 3 * w , .....)。 f[i][j - vivi] max( f[i-1][j - vivi] , f[i-1][j - 2 * vivi] w , f[i-1][j - 3 * vivi] 2 * w , .....) 。由上两式可得出如下递推关系 f[i][j] max(f[i][j-v] w , f[i-1][j])有了上面的关系那么其实 k 循环可以不要了核心代码优化成这样 for(int i 1; i n; i ){for(int j 0; j m; j ){if(v[i] j)//第 i 种能放进去f[i][j] max(f[i - 1][j], f[i][j - v[i]] w[i]);else//如果第 i 件物品不能放进去f[i][j] f[i - 1][j];}}完整代码 #includeiostream using namespace std;const int N 1010;int n, m; int f[N][N], v[N], w[N];int main() {cin n m;for(int i 1; i n; i )cin v[i] w[i];for(int i 1; i n; i ){for(int j 0; j m; j ){if(v[i] j)f[i][j] max(f[i - 1][j], f[i][j - v[i]] w[i]);elsef[i][j] f[i - 1][j];}}cout f[n][m] endl; }接着对比下完全背包的核心代码与 01背包的核心代码 f[i][j] max(f[i][j],f[i-1][j-v[i]]w[i]);//01背包f[i][j] max(f[i][j],f[i][j-v[i]]w[i]);//完全背包问题//01背包代码优化这里有详细说明 因为和01背包代码很相像我们很容易想到进一步优化。核心代码可以改成下面这样: for(int i1;in;i){for(int jv[i];jm;j)//注意了这里的j是从小到大枚举和01背包不一样{f[j] max(f[j],f[j-v[i]]w[i]);} }综上所述完全背包的最终写法如下 #includeiostream using namespace std; const int N1010; int f[N]; int v[N],w[N]; int main(){int n,m;cinnm;for(int i 1 ; i n ;i ){cinv[i]w[i];}for(int i1;in;i){for(int jv[i];jm;j){f[j]max(f[j],f[j-v[i]]w[i]);}}coutf[m]endl; }