HDU - 3001 Travelling 状压dp + 三进制 [kuangbin带你飞]专题二

        终于刷完搜索专题了。

      题意:给定n个城市,每个城市参观不能超过两次,两个城市之间有道路通过需要花费X,求通过能所有城市的最小花费。

     思路:每个城市有三个状态0,1,2,可用三进制存储所有城市的访问状态。DP[i][j]表示当前状态为i,j是道路的最后一个城市。

    如果j城市可以到达k城市,那么下一个状态就是next = i + bit[k],转移方程DP[next][k] = min(DP[next][k], DP[i][j] + cost[j][k]),cost[j][k]表示城市j到k的花费。

AC代码: 374ms

#include<cstdio>
#include<vector>
#include<algorithm>
#include<cstring>
#include<utility>
using namespace std;
typedef pair<int, int> PI;
const int inf = 0x3f3f3f3f;
const int maxn = 60000;
int num[maxn][15], bit[15], cost[15][15], dp[maxn][15];
void init() {
	bit[0] = 1;
	for(int i = 1; i <= 10; ++i) 
		bit[i] = bit[i - 1] * 3;
	for(int i = 0; i < bit[10]; ++i) {
		int x = i;
		for(int j = 0; j < 10; ++j) {
			num[i][j] = x % 3;
			x /= 3;
		}
	}
}

int main() {
	init();
	int n, m;
	while(scanf("%d%d", &n, &m) == 2) {
		memset(cost, -1, sizeof(cost));
		int x, y, c;
		for(int i = 0; i < m; ++i) {
			scanf("%d%d%d", &x, &y, &c);
			if(cost[x-1][y-1] == -1) {
				cost[x-1][y-1] = cost[y-1][x-1] = c;
			}
			else {
				cost[x-1][y-1] = cost[y-1][x-1] = min(cost[x-1][y-1], c); //去重边 
			}
		}
		
		memset(dp, inf, sizeof(dp));
		//初始化边界
		for(int i = 0; i < n; ++i) {
			dp[ bit[i] ][i] = 0;
		} 
		int ans = inf;
		for(int i = 0; i < bit[n]; ++i) {
			int flag = 1;
			for(int j = 0; j < n; ++j) {
				if(num[i][j] == 0) flag = 0; //当前状态有从未经过的点
				if(dp[i][j] == inf) continue;
				
				for(int k = 0; k < n; ++k) {
					if(k == j || num[i][k] >= 2 || cost[j][k] == -1) continue;
					int walk = i + bit[k]; //转换到新的状态
					dp[walk][k] = min(dp[walk][k], dp[i][j] + cost[j][k]); 
				} 
			}
			if(flag) {
				for(int j = 0; j < n; ++j) ans = min(ans, dp[i][j]);
			}
		}
		if(ans == inf) ans = -1;
		printf("%d\n", ans);
	}
 	
	return 0;
}

如有不当之处欢迎指出!
内容概要:该论文研究增程式电动汽车(REEV)的能量管理策略,针对现有优化策略实时性差的问题,提出基于工况识别的自适应等效燃油消耗最小策略(A-ECMS)。首先建立整车Simulink模型和基于规则的策略;然后研究动态规划(DP)算法和等效燃油最小策略;接着通过聚类分析将道路工况分为四类,并设计工况识别算法;最后开发基于工况识别的A-ECMS,通过高德地图预判工况类型并自适应调整SOC分配。仿真显示该策略比规则策略节油8%,比简单SOC规划策略节油2%,并通过硬件在环实验验证了实时可行性。 适合人群:具备一定编程基础,特别是对电动汽车能量管理策略有兴趣的研发人员和技术爱好者。 使用场景及目标:①理解增程式电动汽车能量管理策略的基本原理;②掌握动态规划算法和等效燃油消耗最小策略的应用;③学习工况识别算法的设计和实现;④了解基于工况识别的A-ECMS策略的具体实现及其优化效果。 其他说明:此资源不仅提供了详细的MATLAB/Simulink代码实现,还深入分析了各算法的原理和应用场景,适合用于学术研究和工业实践。在学习过程中,建议结合代码调试和实际数据进行实践,以便更好地理解策略的优化效果。此外,论文还探讨了未来的研究方向,如深度学习替代聚类、多目标优化以及V2X集成等,为后续研究提供了思路。
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