POJ - 3037 Skiing SPFA算法

本文介绍使用SPFA算法解决POJ-3037题目的方法,该题要求计算从地图左上角到右下角的最短时间,考虑到高度差对速度的影响。SPFA算法通过优化队列实现高效寻路。

POJ - 3037

题目链接:
http://poj.org/problem?id=3037
题目大意:给出了V,R,C分别表示一开始的速度,和这个地区的整个范围,R表示整个地区的高度,C表示整个地区的宽度,现在要求从最左上的点(1,1)到最右下点(R,C)的最小时间是多少,这里有个关系因为每个地方有高度差,所谓速度就等于之前所处的高度的速度乘2^(A-B),A表示之前的位置,B表示的是后来到达的位置

解决方法:SPFA算法
关于SPFA算法:设立一个先进先出的队列q用来保存待优化的结点,优化时每次取出队首结点u,并且用u点当前的最短路径估计值对离开u点所指向的结点v进行松弛操作,如果v点的最短路径估计值有所调整,且v点不在当前的队列中,就将v点放入队尾。这样不断从队列中取出结点来进行松弛操作,直至队列空为止。松弛操作的原理是著名的定理:“三角形两边之和大于第三边”,在信息学中我们叫它三角不等式。所谓对结点i,j进行松弛,就是判定是否dis[j]>dis[i]+w[i,j],如果该式成立则将dis[j]减小到dis[i]+w[i,j],否则不动。有些像BFS的思想,但是BFS是一旦这个点跑过之后就不能再进入了,而SPFA可以进行多次的入队列操作。SPFA算法可以解决负权环问题,在以后的题目中会有涉及

//本题目有一个规律就是,在找到的最短路径中的总的滑行时间就是从每一个不是(1,1)的点的2^(该点的值-(1,1)点的值)的和,关于验证可以找几组数据尝试一下

代码:

#include<iostream>
#include<cstring>
#include<queue>
#include<algorithm>
#include<cmath>
#include<cstdio> 
using namespace std;
#define MAX_INT 11258999068426240000  //这里数据开大一点避免某几个压力数据的操作
struct point
{
    int x;
    int y;
};
queue <point> Q;
int map[101][101],visit[101][101],b[4][2]={-1,0,1,0,0,-1,0,1};//表示在x方向或者是y方向上下一步的进行方向是指向哪里的 
double dist[101][101];
point start;
double spfa(int n,int m,int v)
{
    int i,s,x,y;
    double k;
    __int64 t=1;
    dist[1][1]=0;
    point e={1,1};     //将左上角的首结点放入队列中 
    Q.push(e); visit[1][1]=1;//标记(1,1)点已经是如果队列的元素了,然后进行相应的标记 
    while(!Q.empty())
    {
        e=Q.front(),Q.pop();
        visit[e.x][e.y]=0;//出队列置0 
        s=map[start.x][start.y]-map[e.x][e.y];
        if(s>=0)
		    k=(t<<s)*v;
		else
		    k=1.0/(t<<(-s))*v;
		for(i=0;i<4;i++)
            if(e.x+b[i][0]>0 && e.x+b[i][0]<=n && e.y+b[i][1]>0 && e.y+b[i][1]<=m)//表示在矩阵中,不会超出矩阵的限制范围 
            {
                x=e.x+b[i][0]; y=e.y+b[i][1];
                if(dist[x][y]>dist[e.x][e.y]+1/k)
                {
                    dist[x][y]=1/k+dist[e.x][e.y];
                    if(!visit[x][y])
                    {
                        visit[x][y]=1;//入队列置1 
                        point e1={x,y};
                        Q.push(e1);
                    }
                }
            }
    }
    return dist[n][m];
}
int main()
{
    int i,j,m,n,v;
    double k;
    while(scanf("%d%d%d",&v,&n,&m)!=EOF)
    {
        for(i=1;i<=n;i++)
            for(j=1;j<=m;j++)
            {
                scanf("%d",&map[i][j]);
                dist[i][j]=MAX_INT;
            }
        memset(visit,0,sizeof(visit));
        start.x=1;start.y=1;
        k=spfa(n,m,v);
        printf("%.2lf\n",k);
    }
    return 0;
}
内容概要:本文是一份针对2025年中国企业品牌传播环境撰写的《全网媒体发稿白皮书》,聚焦企业媒体发稿的策略制定、渠道选择与效果评估难题。通过分析当前企业面临的资源分散、内容同质、效果难量化等核心痛点,系统性地介绍了新闻媒体、央媒、地方官媒和自媒体四大渠道的特点与适用场景,并深度融合“传声港”AI驱动的新媒体平台能力,提出“策略+工具+落地”的一体化解决方案。白皮书详细阐述了传声港在资源整合、AI智能匹配、舆情监测、合规审核及全链路效果追踪方面的技术优势,构建了涵盖曝光、互动、转化与品牌影响力的多维评估体系,并通过快消、科技、零售等行业的实战案例验证其有效性。最后,提出了按企业发展阶段和营销节点定制的媒体组合策略,强调本土化传播与政府关系协同的重要性,助力企业实现品牌声量与实际转化的双重增长。; 适合人群:企业市场部负责人、品牌方管理者、公关传播从业者及从事数字营销的相关人员,尤其适用于初创期至成熟期不同发展阶段的企业决策者。; 使用场景及目标:①帮助企业科学制定媒体发稿策略,优化预算分配;②解决渠道对接繁琐、投放不精准、效果不可衡量等问题;③指导企业在重大营销节点(如春节、双11)开展高效传播;④提升品牌权威性、区域渗透力与危机应对能力; 阅读建议:建议结合自身企业所处阶段和发展目标,参考文中提供的“传声港服务组合”与“预算分配建议”进行策略匹配,同时重视AI工具在投放、监测与优化中的实际应用,定期复盘数据以实现持续迭代。
先展示下效果 https://pan.quark.cn/s/987bb7a43dd9 VeighNa - By Traders, For Traders, AI-Powered. Want to read this in english ? Go here VeighNa是一套基于Python的开源量化交易系统开发框架,在开源社区持续不断的贡献下一步步成长为多功能量化交易平台,自发布以来已经积累了众多来自金融机构或相关领域的用户,包括私募基金、证券公司、期货公司等。 在使用VeighNa进行二次开发(策略、模块等)的过程中有任何疑问,请查看VeighNa项目文档,如果无法解决请前往官方社区论坛的【提问求助】板块寻求帮助,也欢迎在【经验分享】板块分享你的使用心得! 想要获取更多关于VeighNa的资讯信息? 请扫描下方二维码添加小助手加入【VeighNa社区交流微信群】: AI-Powered VeighNa发布十周年之际正式推出4.0版本,重磅新增面向AI量化策略的vnpy.alpha模块,为专业量化交易员提供一站式多因子机器学习(ML)策略开发、投研和实盘交易解决方案: :bar_chart: dataset:因子特征工程 * 专为ML算法训练优化设计,支持高效批量特征计算与处理 * 内置丰富的因子特征表达式计算引擎,实现快速一键生成训练数据 * Alpha 158:源于微软Qlib项目的股票市场特征集合,涵盖K线形态、价格趋势、时序波动等多维度量化因子 :bulb: model:预测模型训练 * 提供标准化的ML模型开发模板,大幅简化模型构建与训练流程 * 统一API接口设计,支持无缝切换不同算法进行性能对比测试 * 集成多种主流机器学习算法: * Lass...
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

打赏作者

协奏曲❤

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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