noip模拟11.3 T3

本文针对期望DP问题进行了深入探讨,包括推导从节点到根节点及从根节点到指定节点的期望时间公式,并通过具体代码实现了解决方案。

想不到连着两天都考了同一类的期望dp。今天打的40分的暴力+20分治(挂),看来自己对这一类问题还是掌握的不够灵活。

问题

1.今天在推公式的时候就推错了,只能凭着昨天的印象强行套了昨天的结论。这也算是没能灵活运用的原因之一吧。
2.考试的时候抱着一种【(yiwei)前两题都过了这道题一定过不了的心态】。【这样子不对啊】

思路

来吧让我们推一下公式
f[i]表示从i到root的期望时间, g[i]表示从root到i的期望时间。
例:

1、求f[ ]从i到root的期望时间

从u->v f[v]=f[u]+x[u]
xu=1/d+1/d*sigma(xi+1+xu)

解释:

1/d:为从u走到v的步数(1)*概率(1/d)
sigma(xi+1+xu):xi为和u相连的除了v的其余点也就是->i为u的子节点的集合,意为走到这些点走出来的期望步数,+1为走到其余点的步数(前面乘了1/d,打开括号就是期望值了),+xu为从u节点接着到除v以外别的节点所走的步数的期望
考试的时候写的是 1+1/d*sigma(xi+1+xu),没有乘概率,导致推错。

2、求g[ ]从root到i的期望时间。

从u->v f[v]=f[u]+x[u]
xu=1/d+1/d*sigma(xi+1+xu)

解释:

和上一个唯一的不同就是xi的意义。i为u的子节点以及父节点除了v节点的集合

化简:

化简下来的为:
x[u]=d+sigma(xi)

对于f[ ]:x[u]=2*size[v]-1 因为i表示的是v的子节点
对于g[ ]:x[u]=2*(size[1]-size[v])-1 因为i表示的是v的子节点
#include<cstdio>
#include<algorithm>
#include<cstring>
using namespace std;
const int N=1e5+5,P=16,MOD=1e9+7;
int n,q;
int nxt[2*N],head[N],to[2*N],etot;
int anc[N][P+1],g[N],f[N];
int dep[N],size[N];
void adde(int u,int v)
{
    to[++etot]=v;
    nxt[etot]=head[u];
    head[u]=etot;
}
void dfs(int u,int fa)
{
    dep[u]=dep[fa]+1;
    anc[u][0]=fa;
    for(int p=1;p<=P;p++)
    anc[u][p]=anc[anc[u][p-1]][p-1];
    size[u]=1;
    for(int i=head[u];i;i=nxt[i]){
        int v=to[i];
        if(v==fa) continue;
        dfs(v,u);
        size[u]+=size[v];
    }
}
//g[]从root到u的期望时间,f[]从u到root的期望时间 
void dfs1(int u,int fa)
{
    for(int i=head[u];i;i=nxt[i]){
        int v=to[i];
        if(v==fa) continue;
        g[v]=(g[u]+2*(size[1]-size[v])-1)%MOD;
        f[v]=(f[u]+2*size[v]-1)%MOD; 
        dfs1(v,u);
    }
}
int lca(int u,int v)
{
    if(dep[u]<dep[v]) swap(u,v);
    int t=dep[u]-dep[v];
    for(int p=0;t;t>>=1,p++)
    if(t&1) u=anc[u][p];
    if(u==v) return u;
    for(int p=P;p>=0;p--)
    if(anc[u][p]!=anc[v][p]) u=anc[u][p],v=anc[v][p];
    return anc[u][0];
}
int main()
{
    freopen("tree.in","r",stdin);
    freopen("tree.out","w",stdout);
    scanf("%d%d",&n,&q);
    for(int i=1;i<n;i++){
        int u,v;
        scanf("%d%d",&u,&v);
        adde(u,v),adde(v,u);
    }
    g[1]=0,f[1]=0;
    dfs(1,1);
    dfs1(1,1);
    while(q--){
        int u,v;
        scanf("%d%d",&u,&v);
        int l=lca(u,v);
        printf("%d\n",((f[u]-f[l]+g[v]-g[l])%MOD+MOD)%MOD);
    }
    return 0;
}
数据集介绍:电力线目标检测数据集 一、基础信息 数据集名称:电力线目标检测数据集 图片数量: 训练集:2898张图片 验证集:263张图片 测试集:138张图片 总计:3299张图片 分类类别: 类别ID: 0(电力线) 标注格式: YOLO格式,包含对象标注信息,适用于目标检测任务。 数据格式:JPEG/PNG图片,来源于空中拍摄或监控视觉。 二、适用场景 电力设施监控与巡检: 数据集支持目标检测任务,帮助构建能够自动识别和定位电力线的AI模型,用于无人机或固定摄像头巡检,提升电力设施维护效率和安全性。 能源与公用事业管理: 集成至能源管理系统中,提供实时电力线检测功能,辅助进行风险 assessment 和预防性维护,优化能源分配。 计算机视觉算法研究: 支持目标检测技术在特定领域的应用研究,促进AI在能源和公用事业行业的创新与发展。 专业培训与教育: 数据集可用于电力行业培训课程,作为工程师和技术人员学习电力线检测与识别的重要资源。 三、数据集优势 标注精准可靠: 每张图片均经过专业标注,确保电力线对象的定位准确,适用于高精度模型训练。 数据多样性丰富: 包含多种环境下的电力线图片,如空中视角,覆盖不同场景条件,提升模型的泛化能力和鲁棒性。 任务适配性强: 标注格式兼容YOLO等主流深度学习框架,便于快速集成和模型开发,支持目标检测任务的直接应用。 实用价值突出: 专注于电力线检测,为智能电网、自动化巡检和能源设施监控提供关键数据支撑,具有较高的行业应用价值。
【弹簧阻尼器】基于卡尔曼滤波弹簧质量阻尼器系统噪声测量实时状态估计研究(Matlab代码实现)内容概要:本文围绕“基于卡尔曼滤波的弹簧质量阻尼器系统噪声测量与实时状态估计”展开研究,利用Matlab代码实现对系统状态的精确估计。重点在于应用卡尔曼滤波技术处理系统中存在的噪声干扰,提升对弹簧质量阻尼器系统动态行为的实时观测能力。文中详细阐述了系统建模、噪声特性分析及卡尔曼滤波算法的设计与实现过程,展示了滤波算法在抑制测量噪声、提高状态估计精度方面的有效性。同时,该研究属于更广泛的信号处理与状态估计技术应用范畴,适用于复杂动态系统的监控与控制。; 适合人群:具备一定控制系统理论基础和Matlab编程经验的高校研究生、科研人员及工程技术人员,尤其适合从事动态系统建模、状态估计与滤波算法研究的相关人员。; 使用场景及目标:①应用于机械、航空航天、自动化等领域中对振动系统状态的高精度实时估计;②为噪声环境下的传感器数据融合与状态预测提供算法支持;③作为卡尔曼滤波算法在实际物理系统中应用的教学与科研案例。; 阅读建议:建议读者结合Matlab代码实践,深入理解系统建模与滤波器设计的关键步骤,关注噪声建模与滤波参数调优对估计性能的影响,并可进一步拓展至扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF)在非线性系统中的应用。
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