(POJ 3744)Scout YYF I(概率dp+矩阵快速幂)

本文介绍了一道概率DP入门题目,通过矩阵优化解决大规模数据问题。利用转移方程dp[i]=dp[i-1]*p+dp[i-2]*(1-p),结合矩阵快速幂运算,高效计算多个地雷之间的成功通过概率。

概率dp入门题,转移方程为dp[i]=dp[i-1]*p+dp[i-2]*(1-p)

因为n个数字上限很大,所以常规的概率dp基本不可能,要用矩阵优化。

把路程分成n+1段,分别计算通过每段的成功率,即刚好跨越地雷的概率(dp[地雷x+1])

算好每段之后把每段的成功率相乘。

(若有两颗地雷相邻那么成功率是0)

#include<iostream>
#include<cstdio>
#include<vector>
#include<set>
#include<map>
#include<string.h>
#include<cmath>
#include<algorithm>
#include<queue>
#include<stack>
#define LL long long
#define mod 1000000007
#define inf 0x3f3f3f3f
#define N 20

using namespace std;

struct node
{
    int n;
    double rect[N][N];
    struct node operator* (const node b)
    {
        node tem;
        tem.n=n;
        for(int i=1;i<=n;i++)
            for(int j=1;j<=n;j++)
            {
                tem.rect[i][j]=0;
                for(int k=1;k<=n;k++)
                        tem.rect[i][j]+=rect[i][k]*b.rect[k][j];
            }
        return tem;
    };
};

node pin(node a,LL b)//aµÄb´ÎÃÝ
{
    node ans;
    ans.n=a.n;
    for(int i=1;i<=a.n;i++)
        for(int j=1;j<=a.n;j++)
        {
            if(i==j)
                ans.rect[i][j]=1;
            else
                ans.rect[i][j]=0;
        }
    while(b)
    {
        if(b&1)
            ans=a*ans;
        b>>=1;
        a=a*a;
    }
    return ans;
}


int main()
{
    int n;
    while(~scanf("%d",&n))
    {
        double p;
        scanf("%lf",&p);
        LL a[20];
        double b[20];
        double sum=1;
        for(int i=1;i<=n;i++)
            scanf("%lld",&a[i]);
            sort(a+1,a+1+n);
        a[0]=0;
        node tem;
        tem.n=2;
        tem.rect[1][1]=p;
        tem.rect[1][2]=1;
        tem.rect[2][1]=1-p;
        tem.rect[2][2]=0;
        //printf("%lf\n",pin(tem,4).rect[1][1]);
        for(int i=n;i>=1;i--)
        {
            a[i]-=(a[i-1]+2);

            if(a[i]<0)
            {
                b[i]=0;
                continue;
            }
            node ans=pin(tem,a[i]);
            b[i]=ans.rect[1][1]*(1-p);

            //cout << "b" << i << "= " << b[i] << endl;
        }
        for(int i=1;i<=n;i++)
        {
            sum*=b[i];
        }
        printf("%.7f\n",sum);
    }
    return 0;
}

 

转载于:https://www.cnblogs.com/brotherHaiNo1/p/8413883.html

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
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  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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