Digits'path

本文介绍了一种利用最短路径算法解决特定问题的方法,通过枚举状态减少计算复杂度,并结合实际约束条件进行优化,实现了高效求解。

题目描述

这里写图片描述

最短路

我们可以枚举二进制状态S表示每个数是否可以出现。
由于末位已经确定是an,所以可以得到最后是否一定是2或5的倍数,因此二进制状态无需枚举2和5。
假如知道一定是2的倍数,那么根据其是否是3的倍数可知其是否是6的倍数,因此二进制状态无需枚举6。
是4的倍数只要末两位是4的倍数即可,而最后一位确定,因此我们只需要保留倒数第二位模2的结果。
这样,需要2^3枚举二进制状态,然后f[i,j,k,l]表示走到节点i此时模3余j倒数第二位模2余k此时模7余l所需最少代价。这个不能DP因为要后效性,但我们可以用最短路来跑。
为了省时间,例如如果二进制状态不包含3,那么3的那一维可以无需维护。

#include<cstdio>
#include<algorithm>
#define fo(i,a,b) for(i=a;i<=b;i++)
using namespace std;
const int maxn=100+10,maxm=10000+10,maxd=10000;
int a[maxn],f[maxn][3][2][7],dl[maxd+10][4],h[maxn],go[maxm*2],next[maxm*2];
bool bz[maxn][3][2][7],pd[10];
int i,j,k,l,t,n,m,tot,ans,ca;
bool two,five;
void add(int x,int y){
    go[++tot]=y;
    next[tot]=h[x];
    h[x]=tot;
}
void mark(int x){
    bz[dl[x][0]][dl[x][1]][dl[x][2]][dl[x][3]]^=1;
}
void solve(bool three,bool four,bool seven){
    if (!two&&four) return;
    int i,j,r,s,t,k,l;
    pd[1]=1;
    pd[2]=two;
    pd[3]=three;
    pd[6]=two&three;
    pd[4]=pd[2]&four;
    pd[5]=five;
    pd[7]=seven;
    if (!pd[a[1]]||!pd[a[n]]) return;
    fo(i,1,n)
        fo(j,0,2)
            fo(k,0,1)
                fo(l,0,6)
                    f[i][j][k][l]=1<<30;
    k=0;l=1;
    dl[1][0]=1;
    dl[1][1]=three?a[1]%3:0;
    dl[1][2]=0;
    dl[1][3]=seven?a[1]%7:0;
    mark(1);
    f[1][three?a[1]%3:0][0][seven?a[1]%7:0]=a[1];
    while (k!=l){
        k=k%maxd+1;
        i=dl[k][0];j=dl[k][1];r=dl[k][2];s=dl[k][3];
        t=h[i];
        while (t){
            if (pd[a[go[t]]]&&f[i][j][r][s]+a[go[t]]<f[go[t]][three?(j+a[go[t]])%3:0][four?a[i]%2:0][seven?(s*10+a[go[t]])%7:0]){
                f[go[t]][three?(j+a[go[t]])%3:0][four?a[i]%2:0][seven?(s*10+a[go[t]])%7:0]=f[i][j][r][s]+a[go[t]];
                if (!bz[go[t]][three?(j+a[go[t]])%3:0][four?a[i]%2:0][seven?(s*10+a[go[t]])%7:0]){
                    l=l%maxd+1;
                    dl[l][0]=go[t];
                    dl[l][1]=three?(j+a[go[t]])%3:0;
                    dl[l][2]=four?a[i]%2:0;
                    dl[l][3]=seven?(s*10+a[go[t]])%7:0;
                    mark(l);
                }
            }
            t=next[t];
        }
        mark(k);
    }
    if (four){
        if (a[n]%4==0) k=0;else k=1;
    }
    else k=0;
    ans=min(ans,f[n][0][k][0]);
}
int main(){
    //freopen("path.in","r",stdin);freopen("path.out","w",stdout);
    scanf("%d",&ca);
    while (ca--){
        scanf("%d%d",&n,&m);
        tot=0;
        fo(i,1,n) h[i]=0;
        fo(i,1,n) scanf("%d",&a[i]);
        if (a[n]%2==0) two=1;else two=0;
        if (a[n]%5==0) five=1;else five=0;
        fo(i,1,m){
            scanf("%d%d",&j,&k);
            add(j,k);
            add(k,j);
        }
        ans=1<<30;
        fo(i,0,1)
            fo(j,0,1)
                fo(k,0,1)
                    solve(i,j,k);
        if (ans==1<<30) printf("-1\n");else printf("%d\n",ans);
    }
}
### Synth Digits 数据集概述 Synth Digits 是一种合成的手写数字数据集,通常用于迁移学习的研究场景。该数据集由计算机生成的数字化手写体组成,旨在模拟真实世界中的 MNIST 或 SVHN 数据集[^1]。其主要目的是提供一个与实际采集到的真实数据分布不同的域,从而测试模型在跨域任务上的表现。 #### 下载说明 Synth Digits 数据集可以通过公开资源获取。一般情况下,它会被打包成 `.mat` 文件或其他常见的二进制存储格式。下载地址可能来自学术研究者的个人主页或者 GitHub 上的相关项目页面。如果需要具体链接,可以搜索关键词 “SynthDigits dataset download”,找到官方或可信来源提供的下载路径[^2]。 #### 使用方法 为了加载和使用 Synth Digits 数据集,推荐采用 Python 中的 `scipy.io.loadmat()` 函数来读取 `.mat` 文件内容。下面是一个简单的代码示例: ```python import scipy.io as sio import numpy as np def load_synth_digits(path_to_mat_file): data = sio.loadmat(path_to_mat_file) images = data[&#39;X&#39;] # 图像矩阵 (H x W x C x N),其中 H=高度, W=宽度, C=通道数, N=样本数量 labels = data[&#39;y&#39;].flatten() # 标签向量 # 转置图像维度以便于后续操作 images = np.moveaxis(images, -1, 0) # 将形状调整为 (N x H x W x C) return images, labels path = &#39;synthetic_digits.mat&#39; # 替换为您的 .mat 文件的实际路径 images, labels = load_synth_digits(path) print(f"Loaded {len(labels)} synthetic digit samples.") ``` 上述脚本展示了如何解析标准的 MATLAB 格式的 Synth Digits 数据集,并将其转换为 NumPy 数组形式以供进一步分析或训练神经网络模型之用。 #### 特征描述 Synth Digits 的特征主要包括以下几个方面: - **分辨率**: 每张图片大小固定为 32x32 像素。 - **颜色模式**: 单一灰度级表示法(即只有一个通道),类似于原始 MNIST 设置。 - **类别标签范围**: 总共有十个类别的整数值标记 `{0,...,9}` 对应阿拉伯数字零至九之间的每一个字符实例。 - **总量规模**: 合计约有大约五万多个独立样例构成整个集合。 通过这些特性可以看出,尽管它是人工制造出来的虚拟版本而非真正拍摄所得的照片素材,但它仍然保留了许多自然属性使得能够很好地充当源领域角色参与到各种类型的迁移实验当中去。
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