hdu 5555 状态压缩dp

本文介绍了一种解决HDU5555问题的方法,通过状态压缩动态规划来处理青蛙跳跃问题。文章详细解释了如何利用状态压缩减少问题复杂度,并给出了具体的实现代码。

这题目还是比较隐蔽的,不知道如何进行dp。

其实往简单的方面去想也是可以的,当最左边的青蛙确定好位置之后,再考虑他之后的一个青蛙状态。

注意一下,由于bad位置有10个,我们可以运用状态压缩来解决,之后的其他膜肯定覆盖了全部位置,因此其他膜可以随便去挑位置。

<span style="font-size:14px;">//hdu 5555 状态压缩dp
#include<stdio.h>
#include<cstdlib>
#include<istream>
#include<vector>
#include<string.h>
#define mod 105225319
#define maxn 1050
using namespace std;
int l[maxn], r[maxn], ne[maxn][1 << 11], N;
long long int dp[maxn][1 << 11];
vector<int> vec[maxn];

int find(int a, int b)
{
	int i;
	for (i = 0;i<vec[a].size();i++)
	{
		if (vec[a][i] == b)
			return i;
	}
	return -1;
}

int solve(int n)
{
	int i, j, k;
	for (i = 1;i <= N;i++)
	{
		if (vec[i].size()>10)
			return 0;
	}
	for (i = 1;i<N;i++)
	{
		int m = vec[i].size(), mm = vec[i + 1].size();
		for (j = 0;j<mm;j++)
		{
			int f = find(i, vec[i + 1][j]);
			for (int s = 0;s<(1 << m);s++)         //当后面的的位置有前面没有的膜要加上,当后面的膜前面也有,前面的状态s中也有的膜,也要加上,但是如果后面有,前面枚举的状态s中没有的膜就不用加上了。
			{
				if (f == -1 || (s&(1 << f)))
					ne[i][s] |= (1 << j);
			}
		}
	}
	for (i = 1;i <= N;i++)
	{
		for (j = 0;j<vec[i].size();j++)
		{
			for (int s = 0;s<(1 << vec[i].size());s++)
			{
				int x = vec[i][j];
				if ((s&(1 << j)) && r[x] == i)      //如果这个青蛙在一条膜的最后位置,那么他的状态中的这个位置就不能包含这个点,这个点必须为0,不为0的状态无法转移到下一个状态。
				{
					ne[i][s] = -1;
				}
			}
		}
	}
	dp[1][(1 << vec[1].size()) - 1] = 1;
	for (i = 1;i <= N;i++)
		for (int s = 0;s<(1 << vec[i].size());s++)
		{
			for (j = 0;j<vec[i].size();j++)
			{
				if (s&(1 << j))
				{
					int tt = ne[i][s ^ (1 << j)];
					if (tt != -1)
					{
						dp[i + 1][tt] = (dp[i + 1][tt] + dp[i][s]) % mod;
						//printf("dp[%d][%d]=%d\n",i,s,dp[i][s]);
					}
				}
			}
			int tt = ne[i][s];
			if (tt != -1)
			{
				dp[i + 1][tt] = (dp[i + 1][tt] + dp[i][s]) % mod;
				//printf("dp[%d][%d]=%d\n",i,s,dp[i][s]);
			}
		}
	int ans = dp[N + 1][0] % mod;
	for (i = 1;i <= n;i++)
	{
		ans = ((1LL)*i*ans)%mod;
	}
	return ans;
}

int main()
{
	int T, TT = 1;
	//freopen("d:\\in.txt","r",stdin);
	scanf("%d", &T);
	while (TT <= T)
	{
		memset(dp, 0, sizeof(dp));
		memset(ne, 0, sizeof(ne));
		scanf("%d", &N);
		int i, j, k, un = 0;
		for (i = 1;i <= N;i++)
			scanf("%d", &l[i]);
		for (i = 1;i <= N;i++)
			scanf("%d", &r[i]);
		for (i = 1;i <= N;i++)
			vec[i].clear();
		for (i = 1;i <= N;i++)
		{
			if (r[i] - l[i] + 1<N)
			{
				un++;
				for (j = l[i];j <= r[i];j++)
				{
					vec[j].push_back(i);
				}
			}
		}
		printf("Case #%d: %d\n", TT, solve(N - un));
		TT++;
	}
	return 0;
}</span>

本项目构建于RASA开源架构之上,旨在实现一个具备多模态交互能力的智能对话系统。该系统的核心模块涵盖自然语言理解、语音转文本处理以及动态对话流程控制三个主要方面。 在自然语言理解层面,研究重点集中于增强连续对话中的用户目标判定效能,并运用深度神经网络技术提升关键信息提取的精确度。目标判定旨在解析用户话语背后的真实需求,从而生成恰当的反馈;信息提取则专注于从语音输入中析出具有特定意义的要素,例如个体名称、空间位置或时间节点等具体参数。深度神经网络的应用显著优化了这些功能的实现效果,相比经典算法,其能够解析更为复杂的语言结构,展现出更优的识别精度与更强的适应性。通过分层特征学习机制,这类模型可深入捕捉语言数据中隐含的语义关联。 语音转文本处理模块承担将音频信号转化为结构化文本的关键任务。该技术的持续演进大幅提高了人机语音交互的自然度与流畅性,使语音界面日益成为高效便捷的沟通渠道。 动态对话流程控制系统负责维持交互过程的连贯性与逻辑性,包括话轮转换、上下文关联维护以及基于情境的决策生成。该系统需具备处理各类非常规输入的能力,例如用户使用非规范表达或对系统指引产生歧义的情况。 本系统适用于多种实际应用场景,如客户服务支持、个性化事务协助及智能教学辅导等。通过准确识别用户需求并提供对应信息或操作响应,系统能够创造连贯顺畅的交互体验。借助深度学习的自适应特性,系统还可持续优化语言模式理解能力,逐步完善对新兴表达方式与用户偏好的适应机制。 在技术实施方面,RASA框架为系统开发提供了基础支撑。该框架专为构建对话式人工智能应用而设计,支持多语言环境并拥有活跃的技术社区。利用其内置工具集,开发者可高效实现复杂的对话逻辑设计与部署流程。 配套资料可能包含补充学习文档、实例分析报告或实践指导手册,有助于使用者深入掌握系统原理与应用方法。技术文档则详细说明了系统的安装步骤、参数配置及操作流程,确保用户能够顺利完成系统集成工作。项目主体代码及说明文件均存放于指定目录中,构成完整的解决方案体系。 总体而言,本项目整合了自然语言理解、语音信号处理与深度学习技术,致力于打造能够进行复杂对话管理、精准需求解析与高效信息提取的智能语音交互平台。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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