POJ1062 昂贵的聘礼

本文介绍了一种使用Dijkstra算法解决区间内最短路径问题的方法,通过枚举每个区间并标记超出区间的节点,最终求出从起点到终点的最短路径。

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

一.题目链接:http://poj.org/problem?id=1062

二.思路:设起点为0,枚举每个区间,把超出区间的置为已访问,然后Dijkstra求出0到1的最短路,取所有区间中最短的一个。

三.代码:

#include <iostream>
#include <cstdio>
#include <cmath>
#include <algorithm>
#include <cstring>
#include <queue>

using namespace std;

const int MAX_SIZE = 102,
          INF = 1<<30,
          MOD = 1000000007;

int graph[MAX_SIZE][MAX_SIZE];
int rankGap, stuffNum;
int Rank[MAX_SIZE];

void initVisited(int l, int r, bool visited[])
{
    int i;
    for(i = 1; i <= stuffNum; i++)
        if(Rank[i] < l || Rank[i] > r)
            visited[i] = true;
}

int Dijkstra(int l, int r)
{
    bool visited[MAX_SIZE];
    int dist[MAX_SIZE], i, j, minPath, startPos;

    memset(dist, 1, sizeof(dist));
    memset(visited, 0, sizeof(visited));
    initVisited(l, r, visited);

    visited[0] = true;
    dist[0] = 0;

    for(i = 0; i <= stuffNum; i++)
        dist[i] = graph[0][i];

    for(i = 0; i < stuffNum; i++){
        minPath = INF;
        for(j = 0; j <= stuffNum; j++){
            if(minPath > dist[j] && !visited[j]){
                minPath = dist[j];
                startPos = j;
            }
        }

        visited[startPos] = true;

        for(j = 0; j <= stuffNum; j++){
            if(dist[j] > minPath + graph[startPos][j] && !visited[j])
                dist[j] = minPath + graph[startPos][j];
        }
    }
    return dist[1];
}
void printGraph(){
    for(int i = 0; i <= stuffNum; i++){
        for(int j = 0; j <= stuffNum; j++){
            if(graph[i][j] == 16843009)
                cout<<"INF ";
            else
                cout<<graph[i][j]<<" ";
        }
        cout<<endl;
    }
}
int main()
{
    //freopen("in.txt", "r", stdin);

    int i, j, beginPos, weight, pathNum;

    memset(graph, 1, sizeof(graph));

    cin>>rankGap>>stuffNum;
    for(i = 1; i <= stuffNum; i++){

        cin>>weight>>Rank[i]>>pathNum;
        graph[0][i] = weight;

        for(j = 0; j < pathNum; j++){
            cin>>beginPos>>weight;
            graph[beginPos][i] = weight;
        }
    }

    int res = INF;
    for(i = Rank[1] - rankGap; i <= Rank[1]; i++)
        res = min(res, Dijkstra(i, i + rankGap));

    cout<<res<<endl;
}


内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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