POJ 3744 Scout YYF I

本文介绍了一种使用矩阵快速幂算法解决特工通过布满地雷的路径问题的方法,通过计算每两个地雷间的安全通过概率,并将这些概率相乘得到最终的成功率。

胖头鱼:???

题意,YYF是一个特工,他来到了敌方的基地,有一条有地雷的路,他有p的概率走一步,1-p的概率条两步,告诉你地雷的位置,问你,成功走过这条路的(EM?)概率。

考虑每个地雷的位置,在每个位置存活下来的概率乘起来就是答案了。一开始用dp做,结果TLE了,因为我dp的时候是每个位置都遍历过去...结果就炸掉了,路太长了,用了各种方法优化并没有用...看到别人用了矩阵(???),然后去查了题解才明白可以用矩阵快速幂来加速中间没有地雷的地方的计算...

就是上面说的,从上一个地雷走到下一个地雷的位置的概率就是到这个位置的死亡概率,1减去这个概率就是存活概率..把每个地雷的存活概率相乘即可。

/*************************************************************************
    > File Name: source.cpp
    > Author: oldflag
    > Created Time: 星期五  9/30 21:43:07 2016
 ************************************************************************/

#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>
#include <vector>
#include <set>
#include <map>
#include <cmath>
#include <cstdlib>
#include <stack>
#include <queue>
using namespace std;
typedef long long LL;

struct Matrix
{
	double mat[2][2];
	Matrix(){}
	Matrix(const Matrix &b)
	{
		mat[0][0] = b.mat[0][0];
		mat[0][1] = b.mat[0][1];
		mat[1][0] = b.mat[1][0];
		mat[1][1] = b.mat[1][1];
	}
	void init(double a, double b, double c, double d)
	{
		mat[0][0] = a;
		mat[0][1] = b;
		mat[1][0] = c;
		mat[1][1] = d;
	}
	Matrix operator * (const Matrix &b) const
	{
		Matrix ret;
		for(int i = 0; i < 2; i++)
		{
			for(int j = 0; j < 2; j++)
			{
				ret.mat[i][j] = 0;
				for(int k = 0; k < 2; k++)
					ret.mat[i][j] += mat[i][k]*b.mat[k][j];
			}
		}
		return ret;
	}
	Matrix m_pow(int n)
	{
		Matrix ret;
		Matrix tmp;
		ret.init(1, 0, 0 ,1);
		for(int i = 0; i < 2; i++)
		{
			for(int j = 0; j < 2; j++)
				tmp.mat[i][j] = this->mat[i][j];
		}
		while(n)
		{
			if(n&1) ret = ret*tmp;
			tmp = tmp*tmp;
			n >>= 1;
		}
		return ret;
	}
};

double p, q;
int mines[15];
int cnt;

int main()
{
	int n;
	while(cin >> n >> p)
	{
		Matrix m, t;
		double ans = 1;		
		cnt = 0;
		q = 1 - p;
		m.init(p, q, 1, 0);
		int tmp;
		for(int i = 0; i < n; i++)
		{
			scanf("%d", &tmp);
			mines[cnt++] = tmp;
		}
		sort(mines, mines + cnt);
		t = m.m_pow(mines[0] - 1);
		ans *= (1 - t.mat[0][0]);
		for(int i = 1; i < cnt; i++)
		{
			if(mines[i - 1] == mines[i]) continue;
			t = m.m_pow(mines[i] - mines[i - 1] - 1);
			ans *= (1 - t.mat[0][0]);
		}
		printf("%.7f\n", ans);
	}
    return 0;
} 



Nano-ESG数据资源库的构建基于2023年初至2024年秋季期间采集的逾84万条新闻文本,从中系统提炼出企业环境、社会及治理维度的信息。其构建流程首先依据特定术语在德语与英语新闻平台上检索,初步锁定与德国DAX 40成分股企业相关联的报道。随后借助嵌入技术对文本段落执行去重操作,以降低内容冗余。继而采用GLiNER这一跨语言零样本实体识别系统,排除与目标企业无关的文档。在此基础上,通过GPT-3.5与GPT-4o等大规模语言模型对文本进行双重筛选:一方面判定其与ESG议题的相关性,另一方面生成简明的内容概要。最终环节由GPT-4o模型完成,它对每篇文献进行ESG情感倾向(正面、中性或负面)的判定,并标注所涉及的ESG具体维度,从而形成具备时序特征的ESG情感与维度标注数据集。 该数据集适用于多类企业可持续性研究,例如ESG情感趋势分析、ESG维度细分类别研究,以及企业可持续性事件的时序演变追踪。研究者可利用数据集内提供的新闻摘要、情感标签与维度分类,深入考察企业在不同时期的环境、社会及治理表现。此外,借助Bertopic等主题建模方法,能够从数据中识别出与企业相关的核心ESG议题,并观察这些议题随时间的演进轨迹。该资源以其开放获取特性与连续的时间覆盖,为探究企业可持续性表现的动态变化提供了系统化的数据基础。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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