ZOJ 3497 Mistwald 矩阵快速幂

本文介绍了一种解决二维迷宫路径问题的算法,通过将二维坐标转换为一维坐标并利用矩阵运算来实现路径计算。该算法考虑了从起点到终点的所有可能路径,并能够判断在指定步数内是否一定能到达终点。

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

思路:

先将二维的坐标转换成一维的坐标,然后用矩阵存储,然后进行pci路径转移。关键点就是不能从出口处转移。

#include <string>
#include <iostream>
#include <cstdio>
#include <cstring>
using namespace std;
const int N = 26;
int n,m;
struct Matrix {
    int arr[N][N];
    Matrix(){};
    Matrix operator *( const Matrix &a ) const {
        Matrix ret;
        for(int i = 1; i <= m * n; i++) {
            for(int j = 1; j <= m * n; j++) {
                ret.arr[i][j] = 0;
                for(int k = 1; k <= m * n; k++) {
                    if ( i==m*n || k==m*n ) continue;
                    ret.arr[i][j] |= (arr[i][k] * a.arr[k][j]) ;
                }
            }
        }
        return ret;
    }
};
Matrix ans;
Matrix item,t;

void pow_M( int x ) {
    while ( x ) {
        if ( x&1 )
            ans = ans * item;
        item= item * item;
        x /= 2;
    }
}
int main()
{
    int T;
    cin>>T;
    int x[4],y[4];
    while ( T-- ) {
        scanf("%d%d",&n,&m);
        memset( item.arr,0,sizeof item.arr );
        memset( ans.arr,0,sizeof ans.arr );

        for ( int i=1; i<=m*n; i++ )
            ans.arr[i][i] =1 ;

        for ( int i=1; i<=n; i++ ) {
            for ( int j=1; j <=m; j++ ) {
                scanf(" ((%d,%d),(%d,%d),(%d,%d),(%d,%d))",&x[0],&y[0],&x[1],&y[1],&x[2],&y[2],&x[3],&y[3]);
                for(int k=0;k<4;k++)
                    item.arr[ (i-1)*m + j ][ (x[k]-1)*m + y[k] ] = 1;
            }
        }
        memcpy( t.arr , item.arr,sizeof item.arr );
        int q;
        int time;
        cin>>q;
        while ( q-- ) {

            scanf("%d",&time);
            memcpy( item.arr , t.arr , sizeof item.arr );
            memset( ans.arr,0,sizeof ans.arr );
            for ( int i=1; i<=m*n; i++ )
                ans.arr[i][i] =1 ;

            pow_M( time );
            int cnt = 0;
            for ( int i=1; i<=m*n; i++ ) {
                if ( ans.arr[1][i] )
                    ++cnt;
            }
            if ( ans.arr[ 1 ][ n*m ] ) {
                if ( cnt==1 ) cout<<"True"<<endl ;
                else cout<<"Maybe"<<endl;
            } else {
                cout<<"False"<<endl;
            }
        }
        cout<<endl;
    }

    return 0;
}

内容概要:本文详细介绍了深度学习的基本概念和技术要点,涵盖了从基础知识到高级模型的多个方面。首先,文中强调了激活函数与权重初始化的最佳实践,如ReLU搭配He初始化,Sigmoid或Tanh搭配Xavier初始化。接着,文章系统地讲解了深度学习所需的数学基础(线性代数、微积分、概率统计)、编程技能(Python、PyTorch/TensorFlow)以及机器学习基础(监督学习、无监督学习、常见算法)。此外,还深入探讨了神经网络的核心组件,包括前向传播、反向传播、激活函数、优化算法、正则化方法等,并特别介绍了卷积神经网络(CNN)、循环神经网络(RNN)、长短期记忆网络(LSTM)、注意力机制(Attention)、Transformer架构及其衍生模型(BERT、GPT)。最后,文章讨论了大模型训练、分布式训练、模型压缩、Prompt Engineering、文本生成、多模态学习等前沿话题,并提供了学习资源推荐。 适合人群:对深度学习有一定兴趣并希望深入了解其原理的研究人员、工程师或学生,尤其是那些具备一定编程基础和数学知识的人群。 使用场景及目标:①帮助读者理解深度学习中的关键概念和技术细节;②指导读者如何选择合适的激活函数和权重初始化方法;③为读者提供构建和优化神经网络模型的实际操作指南;④介绍最新的研究进展和发展趋势,拓宽读者视野。 其他说明:建议读者在学习过程中结合实际案例进行练习,积极尝试文中提到的各种技术和工具,同时关注领域内的最新研究成果,以便更好地掌握深度学习的应用技巧。
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