Unidirectional TSP UVA - 116(dp)

本文分享了一种解决特定类型最短路径问题的方法,通过动态规划寻找路径和最小且字典序最小的路径。采用从左至右递推的方式,并通过自定义结构体和排序来确保找到最优解。

以前试着弄紫书上的dp不过都浅尝而止,没有独立思考一道比较难的dp题目。没想到今天竟然a了一道(不过这道也不算很难,主要还是我太菜)……
不容易啊orz…

思路

这道题在保证路径和最小的情况下还要保证字典序最小。我是从左向右递推的,递推的过程主要做了一个决策,是选择右y上右还是右下,首先肯定要选最小的了,但要保证字典序最小就不容易了,因为这道题第一层的上一层是最后一层orz。我的做法是保存到结构体中再sort一下。打印路径的也是一个细节~

代码

#include <cstdio>
#include <cstring>
#include <climits>
#include <algorithm>
using namespace std;

const int maxr = 15;
const int maxc = 120;

struct point {
    int y;
    int x;
    point(int y = 0, int x = 0) : y (y) , x(x) {}
};

point nex[maxr][maxc];

int num[maxr][maxc];
int dp[maxr][maxc];

bool cmp(point a, point b) {
    return a.y < b.y;
};
int n, m;

int main()
{
    //freopen("input.txt", "r", stdin);
    while(~scanf("%d%d", &n, &m)) {
        memset(dp, 0, sizeof(dp));
        for(int i = 0; i < n; i++) {
            for(int j = 0; j < m; j++) {
                scanf("%d", &num[i][j]);
            }
        }
        for(int i = 0; i < n; i++) {
            dp[i][m-1] = num[i][m-1];
        }
        for(int j = m-2; j >= 0; j--) {
            for(int i = 0; i < n; i++) {
                point po[3] = {point((i-1+n)%n,j+1), point(i, j+1), point((i + 1)%n, j+1)};
                sort(po, po + 3, cmp);
                int k, minn = INT_MAX;
                for(int t = 0; t < 3; t++) {
                    if (dp[po[t].y][po[t].x] < minn) {
                        k = t;
                        minn = dp[po[t].y][po[t].x];
                    }
                }
                nex[i][j] = po[k];
                dp[i][j] = num[i][j] + minn;
            }
        }
        int minans = INT_MAX;
        int beg;
        for(int i = 0; i < n; i++) {
            if (dp[i][0] < minans) {
                minans = dp[i][0];
                beg = i;
            }
        }
        printf("%d", beg+1);
        point t = nex[beg][0];
        for(int i = 1; i < m; i++) {
            printf(" %d", t.y+1);
            t = nex[t.y][t.x];
        }
        printf("\n");
        printf("%d\n", minans);
    }
    return 0;
}
内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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