(转)UVALive3305 Tour --- 双调DP

本文介绍了一种使用双调动态规划方法解决特定路径寻找问题的算法。该问题涉及在平面上找到从最左边点出发,经过所有点并返回起点的最短路径。通过构建状态转移方程,实现了对任意数量点的有效路径计算。

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

题目大意:一个平面,有n个点,每个点的x坐标都是不一样的,输入时按照点的x坐标从小到大输入,有一个人从1号点出发,从左往右走,到达最右边的点,然后又从最右边的点回到1号点,问你这段路程的最小总路程是多少?

思路:双调DP。设d[ i ][ j ] 表示从点 i 到 1 再从 1 到 j 的最小距离,且规定,i  > j ,由于前面那个规定,那么点 i 必须上面去走,求 d[ i ][ j ] 时分两种情况:(1)如果它是直接从 i - 1 过来的,也就是 i - 1 在上面那条路,那么就是 d[ i ][ j ] = d[ i - 1][ j ] ,i- 1 < j ;(2)i - 1 也可以在下面那条路,这就要找了,i 这个点它可以直接从 i - 1 之前点连过来,下面那条路的端点是 i - 1 ,d[ i ][ i- 1] = min( d[ j ][ i - 1 ] ),1 < j < i - 1,由于 d[ j ][ i - 1 ] 没有,因为 j < i - 1 ,但是自己想想就知道,d[ j ][ i - 1 ] = d[ i - 1 ][ j ]。综上,状态转移方程为:d[ i ][ j ] = d[ i - 1][ j ] + dis( i - 1 , i ) ,j < i - 1,d[ i ][ i - 1] = min(d[ i - 1 ][ j ]),j < i - 1。最后的答案当然就是 min( d[ n ][ i ] ) ,1 <= i < n。

自己反正是没想出来,想到前 i 个围成圈的最小值,由于是闭合的,这样就搞不出来,又想不出第二维。。。 原来把闭合的搞成不闭合的就好了,厉害哈!

代码如下:

#include<cstdio>
#include<cstring>
#include<cmath>
#include<vector>
#include<algorithm>
using namespace std;
 
const double INF = 1e9 ;
 
typedef pair<double,double> pdd;
 
#define MP make_pair
 
const int MAXN = 1111;
 
vector <pdd> point;
 
double dis(int a,int b)
{
    return sqrt((point[a].first - point[b].first)*(point[a].first - point[b].first) + (point[a].second - point[b].second)*(point[a].second - point[b].second));
}
 
double d[MAXN][MAXN];
 
int main()
{
    int n;
    while(~scanf("%d",&n))
    {
        point.clear();
        point.push_back(MP(0,0));
        for(int i = 1;i<=n;i++)
        {
            double a,b;
            scanf("%lf%lf",&a,&b);
            point.push_back(MP(a,b));
        }
        if(n == 1)
        {
            puts("0");
            continue;
        }
        d[2][1] = dis(2,1);
        for(int i = 3;i<=n;i++)
        {
            for(int j = 1;j < i-1;j++)
            {
                d[i][j] = d[i - 1][j] + dis(i-1,i);
            }
            d[i][i - 1] = INF;
            for(int j = 1;j < i - 1;j++)
            {
                d[i][i - 1] = min(d[i][i - 1],d[i - 1][j] + dis(j,i));
            }
        }
        double ans = INF;
        for(int i = 1;i<n;i++)
            ans = min(ans,d[n][i] + dis(n,i));
        printf("%.2f\n",ans);
    }
    return 0;
}

--------------------- 
版权声明:本文为优快云博主「沉溺」的原创文章,遵循CC 4.0 by-sa版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.youkuaiyun.com/zstu_zlj/article/details/11178799

内容概要:本文介绍了基于SMA-BP黏菌优化算法优化反向传播神经网络(BP)进行多变量回归预测的项目实例。项目旨在通过SMA优化BP神经网络的权重和阈值,解决BP神经网络易陷入局部最优、收敛速度慢及参数优困难等问题。SMA算法模拟黏菌寻找食物的行为,具备优秀的全局搜索能力,能有效提高模型的预测准确性和训练效率。项目涵盖了数据预处理、模型设计、算法实现、性能验证等环节,适用于多变量非线性数据的建模和预测。; 适合群:具备一定机器学习基础,特别是对神经网络和优化算法有一定了解的研发员、数据科学家和研究员。; 使用场景及目标:① 提升多变量回归模型的预测准确性,特别是在工业过程控制、金融风险管理等领域;② 加速神经网络训练过程,减少迭代次数和训练时间;③ 提高模型的稳定性和泛化能力,确保模型在不同数据集上均能保持良好表现;④ 推动智能优化算法与深度学习的融合创新,促进多领域复杂数据分析能力的提升。; 其他说明:项目采用Python实现,包含详细的代码示例和注释,便于理解和二次开发。模型架构由数据预处理模块、基于SMA优化的BP神经网络训练模块以及模型预测与评估模块组成,各模块接口清晰,便于扩展和维护。此外,项目还提供了多种评价指标和可视化分析方法,确保实验结果科学可信。
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