玄学dp(雾

Atcoder上的ABC210中的D题

题目大意:给定一个H*W的地图然后,每个Aij都赋予一个权值,给定一个常数C,

从Aij到Ai`j`的花费是cost=Aij+Ai`j`+C*绝对距离

现在要建立两个站点然后在两个站点之间修路,求最小的花费。

思路:(dp的玄学内容来了)

先建立一个前提,第一个站点的建立一定在第二个站点的左边(上下需要分开讨论,这里举例用的是下)

将整个问题分解为两步实现,

第一步:假设第一个站点已经建好求当前在Aij最小的花费,方程是:

dp[i][j]=min(a[i][j],min(dp[i-1][j],dp[i][j-1])+c)

第二步:当前在Aij,将第二个站点建立在当前位置一共需要的最小花费是x[i][j]

方程是:x[i][j]=min(dp[i-1][j],dp[i][j-1])+c+Aij

强调一点,起点和终点要求是不同的两个站点,但是根据Atcoder提供的数据,只要写出方程就能AC,并没有卡大家这一点,但是做题还是要有自己的严谨性。

总结:这道题的特点是解决问题的分步思想,既然整体问题太难解决我们可以分步一步步简化它,这也是我首次见到的dp套dp的题目。

基于python实现的粒子群的VRP(车辆配送路径规划)问题建模求解+源码+项目文档+算法解析,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解和历史最优解的权重,指导粒子速度和位置的更新,这在求解函数极值问题时比较容易实现,而在VRP问题上,速度位置的更新则难以直接采用加权的方式进行,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进行求解,这里采用顺序交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,不加权)。 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解和历史最优解的权重,指导粒子速度和位置的更新,这在求解函数极值问题时比较容易实现,而在VRP问题上,速度位置的更新则难以直接采用加权的方式进行,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进行求解,这里采用顺序交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,不加权)。
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