hdu 3339 In Action shortest path

本文介绍了一种使用一维动态规划算法解决最短路径问题的方法。作者最初尝试了二维动态规划但遇到了时间限制错误(TLE),随后改进为一维动态规划并成功解决问题。文章详细展示了算法实现过程及核心代码。

First I use two dimesion dynamic programming algorithm,The answer is TLE,So I improve my algorithm to one dimesion and solve it.

The portal :http://acm.hdu.edu.cn/showproblem.php?pid=3339

#include <cstdio>
#include <cstdlib>
#include <cstring>
#include <iostream>
#include <algorithm>
#include <map>
#include <queue>
#include <stack>
#include <set>

#define MAXN 105

using namespace std;

const int INF = 0x3f3f3f3f;

bool vis[MAXN];
int pre[MAXN];
int cost[MAXN][MAXN];
int lowcost[MAXN];
int power[MAXN];
int dp[MAXN*MAXN];

void Init(){
    memset(vis,0,sizeof(vis));
    memset(pre,-1,sizeof(pre));
    memset(cost,0x3f,sizeof(cost));
    memset(lowcost,0x3f,sizeof(lowcost));
}

void Dijkstra(int n,int beg){
    lowcost[beg] = 0;
    for(int j=0;j<n;j++){
        int Min = INF;
        int k = -1;
        for(int i=0;i<n;i++){
            if(!vis[i]&&lowcost[i]<Min){
                Min = lowcost[i];
                k = i;
            }
        }
        if(k==-1)break;
        vis[k] = true;
        for(int i=0;i<n;i++){
            if(!vis[i]&&lowcost[k]+cost[k][i]<lowcost[i]){
                lowcost[i] = lowcost[k] + cost[k][i];
                pre[i] = k;
            }
        }
    }
}

void Input(){
    int T;
    scanf("%d",&T);
    while(T--){
        Init();
        int n,m;
        scanf("%d %d",&n,&m);
        int tempa,tempb,tempr;
        for(int i=0;i<m;i++){
            scanf("%d %d %d",&tempa,&tempb,&tempr);
            if(cost[tempa][tempb]>tempr){
                cost[tempa][tempb] = tempr;
                cost[tempb][tempa] = tempr;
            }
        }
        Dijkstra(n+1,0);
        int power_sum = 0;
        for(int i=1;i<=n;i++){
            scanf("%d",power+i);
            power_sum += power[i];
        }
        int road_sum = 0;
        for(int i=1;i<=n;i++){
            if(lowcost[i]!=INF)
            road_sum += lowcost[i];
        }
        memset(dp,0,sizeof(dp));
        for(int i=1;i<=n;i++){
            if(lowcost[i] == INF)continue;
            for(int j=road_sum;j>=lowcost[i];j--){
                dp[j] = max(dp[j],dp[j-lowcost[i]]+power[i]);
            }
        }
        int ans = INF;
        for(int i=0;i<=road_sum;i++){
            if(dp[i]>power_sum/2){
                ans = i;
                break;
            }
        }
        if(ans==INF){
            puts("impossible");
        }
        else{
            printf("%d\n",ans);
        }
    }
}

int main(void){
    Input();
    return 0;
}


【EI复现】基于深度强化学习的微能源网能量管理与优化策略研究(Python代码实现)内容概要:本文围绕“基于深度强化学习的微能源网能量管理与优化策略”展开研究,重点利用深度Q网络(DQN)等深度强化学习算法对微能源网中的能量调度进行建模与优化,旨在应对可再生能源出力波动、负荷变化及运行成本等问题。文中结合Python代码实现,构建了包含光伏、储能、负荷等元素的微能源网模型,通过强化学习智能体动态决策能量分配策略,实现经济性、稳定性和能效的多重优化目标,并可能与其他优化算法进行对比分析以验证有效性。研究属于电力系统与人工智能交叉领域,具有较强的工程应用背景和学术参考价值。; 适合人群:具备一定Python编程基础和机器学习基础知识,从事电力系统、能源互联网、智能优化等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习如何将深度强化学习应用于微能源网的能量管理;②掌握DQN等算法在实际能源系统调度中的建模与实现方法;③为相关课题研究或项目开发提供代码参考和技术思路。; 阅读建议:建议读者结合提供的Python代码进行实践操作,理解环境建模、状态空间、动作空间及奖励函数的设计逻辑,同时可扩展学习其他强化学习算法在能源系统中的应用。
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