NOI模拟 最短路

本文深入探讨了在内网环境中使用BFS树进行DP算法的优化策略,针对边权固定场景,通过枚举和概率计算,实现了对复杂网络结构的有效路径搜索。文章详细解释了状态转移方程和期望深度的计算方法,为读者提供了理解BFS树DP算法原理的全面视角。

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

内网传送门

由于求最短路,边权为 1 1 1,那么考虑在 b f s bfs bfs树上 d p dp dp,类似于模拟 b f s bfs bfs树的生成过程。用 f [ i ] [ j ] f[i][j] f[i][j]表示当前的 b f s bfs bfs树上一共有 i i i个点,最后一层有 j j j个点的状态的概率( i i i中包含了 j j j),这里最后一层是指只考虑到对应的层,后面的连边还不确定 d e p [ i ] [ j ] dep[i][j] dep[i][j]代表这样状态的期望深度。我们现在假设选中某一个确定的点,也就是说它的标号确定。因为除了一号点的期望是0,其它点的期望是相同的,那么我们最后给这个点的期望乘上 n − 1 n \frac{n-1}{n} nn1就是答案了。
考虑从 f [ i ] [ j ] f[i][j] f[i][j]转移,枚举下一层有几个点,假设有 k k k个点。在维护 b f s bfs bfs树时,有哪些限制条件?
①这 k k k个点的每个点和最后一层的 j j j个点至少有一条连边,不然 b f s bfs bfs不到它。
②除去 b f s bfs bfs树上的 i i i个点以及这 k k k个点,剩下的所有点和 b f s bfs bfs树上的这 i i i个点不能有连边,不然就会 b f s bfs bfs到这些剩下的点,导致 b f s bfs bfs树最后一层不止 k k k个点。
③给这 k k k个点分配标号时,从 n − i − 1 n-i-1 ni1个点中选 k k k个出来,减一是因为那个确定的点。
那么有: f [ i + k ] [ k ] = ① ∗ ② ∗ ③ ∗ f [ i ] [ j ] f[i+k][k]=①*②*③*f[i][j] f[i+k][k]=f[i][j]
由于这一步期望深度=(上一步的期望深度+转移贡献)×这个转移的概率。
于是有:
d e p [ i + k ] [ k ] = ( d e p [ i ] [ j ] + f [ i ] [ j ] ∗ 1 ) ∗ ① ∗ ② ∗ ③ dep[i+k][k]=(dep[i][j]+f[i][j]*1)*①*②*③ dep[i+k][k]=(dep[i][j]+f[i][j]1)

①,②,③可以预处理出来。

然后怎么统计答案呢,考虑 f [ i ] [ j ] f[i][j] f[i][j]的贡献:
①令最后一层的 j j j个点和选定点连通的概率为 P P P,那么贡献就是: P ∗ ( d e p [ i ] [ j ] + f [ i ] [ j ] ∗ 1 ) P*(dep[i][j]+f[i][j]*1) P(dep[i][j]+f[i][j]1)
②从这个地方开始,后面就不连通了,令最后一层的 j j j个点和剩下的 n − i n-i ni个点都不联通概率为 Q Q Q,那么贡献就是: f [ i ] [ j ] ∗ Q ∗ i n f f[i][j]*Q*inf f[i][j]Qinf
为什么是和 n − i n-i ni个点不连通,而不是和选定点不连通?因为 f f f并没有把后面的状态确定下来,所以现在是强制把后面断掉, b f s bfs bfs树就确定了。不然会算重的。

#include<bits/stdc++.h>
#define cs const
#define re register
cs int N=4e2+10,mod=998244353,oo=1e9;
int f[N][N],dep[N][N],plink[N][N],pcut[N][N],n,p;
int fac[N],ifac[N],ans=0;
inline int add(int x,int y){return x+y>=mod?x+y-mod:x+y;}
inline int dec(int x,int y){return x-y<0?x-y+mod:x-y;}
inline int mul(int x,int y){return 1ll*x*y%mod;}
inline void Inc(int &x,int y){x=(x+y>=mod?x+y-mod:x+y);}
inline int quickpow(int a,int b,int ret=1){for(;b;b>>=1,a=mul(a,a))if(b&1)ret=mul(ret,a);return ret;}
inline void prework(){
	fac[0]=1;
	for(int i=1;i<N;++i) fac[i]=mul(fac[i-1],i);
	ifac[N-1]=quickpow(fac[N-1],mod-2);
	for(int i=N-2;~i;--i) ifac[i]=mul(ifac[i+1],i+1);
	for(int i=1;i<N;++i)
		for(int j=0;j<N;++j)
			pcut[i][j]=quickpow(dec(1,p),i*j),
			plink[i][j]=quickpow(dec(1,quickpow(dec(1,p),i)),j);
}
inline int C(int n,int m){return n<m?0:mul(fac[n],mul(ifac[m],ifac[n-m]));}
int main(){
	scanf("%d%d",&n,&p),p=mul(p,quickpow(1000000,mod-2));
	prework(),f[1][1]=1,dep[1][1]=0;
	for(int i=1;i<=n-1;++i){
		for(int j=1;j<=i;++j) if(f[i][j]){
			for(int k=1;k+i+1<=n;++k){
				int tmp=mul(plink[j][k],mul(C(n-i-1,k),pcut[j][n-i-k]));
				Inc(f[i+k][k],mul(tmp,f[i][j]));
				Inc(dep[i+k][k],mul(tmp,add(dep[i][j],f[i][j])));
			}
		}
	}
	for(int i=1;i<=n-1;++i){
		for(int j=1;j<=i;++j) if(f[i][j]){
			Inc(ans,mul(plink[j][1],add(dep[i][j],f[i][j])));
			Inc(ans,mul(mul(pcut[j][n-i],f[i][j]),oo%mod));
		}
	}printf("%d\n",mul(mul(ans,n-1),quickpow(10,6*n*n)));
}
内容概要:本文档详细介绍了基于MATLAB实现的无人机三维路径规划项目,核心算法采用蒙特卡罗树搜索(MCTS)。项目旨在解决无人机在复杂三维环境中自主路径规划的问题,通过MCTS的随机模拟与渐进式搜索机制,实现高效、智能化的路径规划。项目不仅考虑静态环境建模,还集成了障碍物检测与避障机制,确保无人机飞行的安全性和效率。文档涵盖了从环境准备、数据处理、算法设计与实现、模型训练与预测、性能评估到GUI界面设计的完整流程,并提供了详细的代码示例。此外,项目采用模块化设计,支持多无人机协同路径规划、动态环境实时路径重规划等未来改进方向。 适合人群:具备一定编程基础,特别是熟悉MATLAB和无人机技术的研发人员;从事无人机路径规划、智能导航系统开发的工程师;对MCTS算法感兴趣的算法研究人员。 使用场景及目标:①理解MCTS算法在三维路径规划中的应用;②掌握基于MATLAB的无人机路径规划项目开发全流程;③学习如何通过MCTS算法优化无人机在复杂环境中的飞行路径,提高飞行安全性和效率;④为后续多无人机协同规划、动态环境实时调整等高级应用打下基础。 其他说明:项目不仅提供了详细的理论解释和技术实现,还特别关注了实际应用中的挑战和解决方案。例如,通过多阶段优化与迭代增强机制提升路径质量,结合环境建模与障碍物感知保障路径安全,利用GPU加速推理提升计算效率等。此外,项目还强调了代码模块化与调试便利性,便于后续功能扩展和性能优化。项目未来改进方向包括引入深度强化学习辅助路径规划、扩展至多无人机协同路径规划、增强动态环境实时路径重规划能力等,展示了广阔的应用前景和发展潜力。
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