洛谷P4001 狼抓兔子 2006北京区域赛

本文详细解析洛谷平台上的P4001题目,通过C++代码实现了一个基于最短路径算法的解决方案。该算法首先进行预处理工作,读取输入并构建图结构,然后使用Dijkstra算法计算从起点到终点的最短路径。

https://www.luogu.com.cn/problem/P4001

在hdu3870的基础上加了条边,还是平面图转对偶图板题

#include<bits/stdc++.h>
using namespace std;

const int maxl=2010;
const int inf=2e9+10;
typedef pair<int,int> p;

int n,m,tot,T;
int dis[maxl*maxl];
int a[maxl][maxl][3];
struct ed
{
	int to,l;
};
vector <ed> e[maxl*maxl];
bool in[maxl*maxl];
priority_queue<p,vector<p>,greater<p> >q;

inline void add(int u,int v,int l)
{
	e[u].push_back(ed{v,l});
	e[v].push_back(ed{u,l});
}

inline void prework()
{
	scanf("%d%d",&n,&m);
	tot=1;
	for(int i=1;i<n;i++)
		for(int j=1;j<m;j++)
			a[i][j][1]=++tot,a[i][j][2]=++tot;
	T=tot+1;int u,v,l;
	for(int i=1;i<=n;i++)
		for(int j=1;j<=m-1;j++)
		{
			scanf("%d",&l);
			if(i==1)
				add(1,a[i][j][2],l);
			else if(i==n)
				add(a[i-1][j][1],T,l);
			else
				add(a[i][j][2],a[i-1][j][1],l);
		}
	for(int i=1;i<=n-1;i++)
		for(int j=1;j<=m;j++)
		{
			scanf("%d",&l);
			if(j==1)
				add(a[i][j][1],T,l);
			else if(j==m)
				add(1,a[i][j-1][2],l);
			else 
				add(a[i][j-1][2],a[i][j][1],l);
		}
	for(int i=1;i<=n-1;i++)
		for(int j=1;j<=m-1;j++)
		{
			scanf("%d",&l);
			add(a[i][j][1],a[i][j][2],l);
		}
}

inline void mainwork()
{
	int u,v;p d;
	for(int i=1;i<=T;i++)
		in[i]=false,dis[i]=inf;
	dis[1]=0;q.push({0,1});
	while(!q.empty())
	{
		d=q.top();q.pop();
		u=d.second;
		if(in[u] || dis[u]!=d.first)
			continue;
		in[u]=true;
		for(ed ee:e[u])
		{
			v=ee.to;
			if(in[v] || dis[v]<=dis[u]+ee.l)
				continue;
			dis[v]=dis[u]+ee.l;
			q.push({dis[v],v});
		}
	}
}

inline void print()
{
	printf("%d",dis[T]);
}

int main()
{
	prework();
	mainwork();
	print();
	return 0;
}

 

六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
求解大规模带延迟随机平均场博弈中参数无关CSME的解法器研究(Matlab代码实现)内容概要:本文围绕“求解大规模带延迟随机平均场博弈中参数无关CSME的解法器研究”展开,重点介绍了种基于Matlab代码实现的数值求解方法,旨在有效处理带有时间延迟的随机平均场博弈问题中的参数无关CSME(Consistent Mean Field Equilibrium)求解挑战。文中详细阐述了解法器的设计思路、算法实现流程及其在复杂系统建模中的应用,强调通过数值仿真验证方法的有效性和鲁棒性。此外,文档还列举了多个相关科研方向与Matlab仿真实现案例,涵盖电力系统、路径规划、信号处理、机器学习等多个领域,展示了该解法器在跨学科研究中的潜在价值。; 适合人群:具备定数学建模与Matlab编程基础,从事控制理论、博弈论、电力系统优化或相关领域研究的研究生、博士生及科研人员。; 使用场景及目标:①研究大规模随机系统中均衡解的数值求解方法;②开发适用于延迟动态系统的平均场博弈模型;③借助Matlab平台实现复杂优化算法的仿真与验证;④拓展博弈论方法在能源、交通、通信等领域的实际应用。; 阅读建议:建议读者结合文中提供的Matlab代码实例,深入理解算法实现细节,并参考所列相关研究方向进行扩展实验。同时,可利用附带的网盘资源获取完整代码与数据,便于复现实验结果,进步开展创新性研究。
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