[CODEVS2800]送外卖(状压dp)

本文详细介绍了一种基于动态规划的最短路径算法实现过程,包括状态定义、转移方程及代码实现,并提供了完整的C++代码示例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目描述

传送门

题解

预处理两两之间的最短路dis
状态:f[i][j]表示最后到达了j,之前经过的点状态为i的最短路。
转移:f[i|(1<<(k-1))][k]=min(f[i|(1<<(k-1))][k],f[i][j]+dis[j][k]);其中i表示之前的状态,j表示之前经过的点,k表示将要到达的点。
初始化:f[1][1]=0,其余为正无穷
目标:f[(1 << n)-1][i]+dis[i][1](因为最后要回到1点)

代码

#include<iostream>
#include<cstring>
#include<cstdio>
using namespace std;
const int N=17;
const int INF=2e9;
int n,tot,ans=INF;
int dis[N][N],f[1<<N][N];

inline void floyed(){
    for (int k=1;k<=n;++k)
      for (int i=1;i<=n;++i)
        for (int j=1;j<=n;++j)
          if (i!=j&&j!=k)
            if (dis[i][j]>dis[i][k]+dis[k][j]) dis[i][j]=dis[i][k]+dis[k][j];
}
int main(){
    scanf("%d",&n);++n;
    for (int i=1;i<=n;++i)
      for (int j=1;j<=n;++j) scanf("%d",&dis[i][j]);
    floyed();
    memset(f,0x7f,sizeof(f)); f[1][1]=0; tot=(1<<n)-1;
    for (int i=1;i<=tot;++i)
      for (int j=1;j<=n;++j)
        if ((1<<(j-1))&i)
          for (int k=1;k<=n;++k)
            f[i|(1<<(k-1))][k]=min(f[i|(1<<(k-1))][k],f[i][j]+dis[j][k]);
    for (int i=1;i<=n;++i) ans=min(ans,f[tot][i]+dis[i][1]);
    printf("%d\n",ans);
}

总结

注意dp的目标。
注意循环的顺序。

内容概要:本文介绍了基于SMA-BP黏菌优化算法优化反向传播神经网络(BP)进行多变量回归预测的项目实例。项目旨在通过SMA优化BP神经网络的权重和阈值,解决BP神经网络易陷入局部最优、收敛速度慢及参数调优困难等问题。SMA算法模拟黏菌寻找食物的行为,具备优秀的全局搜索能力,能有效提高模型的预测准确性和训练效率。项目涵盖了数据预处理、模型设计、算法实现、性能验证等环节,适用于多变量非线性数据的建模和预测。; 适合人群:具备一定机器学习基础,特别是对神经网络和优化算法有一定了解的研发人员、数据科学家和研究人员。; 使用场景及目标:① 提升多变量回归模型的预测准确性,特别是在工业过程控制、金融风险管理等领域;② 加速神经网络训练过程,减少迭代次数和训练时间;③ 提高模型的稳定性和泛化能力,确保模型在不同数据集上均能保持良好表现;④ 推动智能优化算法与深度学习的融合创新,促进多领域复杂数据分析能力的提升。; 其他说明:项目采用Python实现,包含详细的代码示例和注释,便于理解和二次开发。模型架构由数据预处理模块、基于SMA优化的BP神经网络训练模块以及模型预测与评估模块组成,各模块接口清晰,便于扩展和维护。此外,项目还提供了多种评价指标和可视化分析方法,确保实验结果科学可信。
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