hdu 6149 Valley Numer II (状压DP 易错题)

本文介绍了一种使用状压DP算法解决特定图论问题的方法,即在一个无向连通图中找到由高点和低点组成的Valley的最大数量。通过枚举低点并利用状态压缩技巧,实现了高效求解。

 题目大意:给你一个无向连通图(n<=30),点分为高点和低点,高点数量<=15,如果两个高点和低点都直接连边,那么我们称这三个点形成一个valley,每个点最多作为一个valley的组成部分,求valley的最大数量

高点状压,然后枚举低点,判断这个低点能否影响答案

注意:上一层的值要全都先赋给这一层,再枚举这一层,否则上一层的某些状态可能还没枚举到就枚举这一层了

(比如上一层可行的状态是0110,这一层新来了1001,我们要先把0110和1001赋给这一层,否则我们在从小到大先枚举0110时,这一层的状态0110以及1001并没有被上一层更新,导致转移出错)

#include <cstdio>
#include <algorithm>
#include <cstring>
#define N 35
using namespace std;

int T,n,m,K,cnt;
int d[N][N],up[N],dn[N],use[N];
int f[35][(1<<15)+100];
void clr()
{
    memset(d,0,sizeof(d));
    memset(up,0,sizeof(up));
    memset(dn,0,sizeof(dn));
    memset(use,0,sizeof(use));
    memset(f,128,sizeof(f));
    cnt=0;
}

int main()
{
    //freopen("aa.in","r",stdin);
    scanf("%d",&T);
    while(T--)
    {
        scanf("%d%d%d",&n,&m,&K);
        clr();
        int x,y;
        for(int i=1;i<=m;i++) 
        {
            scanf("%d%d",&x,&y);
            d[x-1][y-1]=d[y-1][x-1]=1;
        }
        for(int k=0;k<K;k++)
        {
            scanf("%d",&x);
            up[k]=x-1;
            use[x-1]=1;
        }
        for(int i=0;i<n;i++) if(!use[i]) dn[++cnt]=i;
        for(int k=0;k<=cnt;k++) f[k][0]=0;
        for(int k=1;k<=cnt;k++)
        {
            for(int s=0;s<(1<<K);s++) {f[k][s]=f[k-1][s];}
            for(int s=0;s<(1<<K);s++)
                for(int i=0;i<K;i++)
                    if(!((1<<i)&s)&&d[up[i]][dn[k]])
                        for(int j=0;j<K;j++)
                            if(i!=j&&!((1<<j)&s)&&d[dn[k]][up[j]])
                                f[k][s|(1<<i)|(1<<j)] = max(f[k][s|(1<<i)|(1<<j)],f[k-1][s]+1);
        }
        int ans=0;
        for(int s=0;s<(1<<K);s++)
            ans=max(ans,f[cnt][s]);
        printf("%d\n",ans);
    }
    return 0;
}

    
    

 

内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
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