UVA10859 placin glampposts(放置街灯)

本文探讨了一种使用树形动态规划(Tree DP)来解决无向无环图(森林)中照明问题的方法。目标是在最少的节点上放置灯,确保所有节点被照亮,同时最大化被两盏灯照亮的边的数量。文章详细解释了状态定义、状态转移方程及代码实现。

题目大意
给定一个有n个节点的无向无环图,在尽量少的节点上放灯,使得所有的被照亮,每盏灯可以照亮以他为一个端点的所有边,在灯的总数最小的前提下,被两盏灯照亮的边应该尽量大;

分析
注意题意,给定的是无向无环图,即“森林”,有多棵树组成,经典的树上的动态规划
此题目要求的优化量有两个,一个是a尽量小,a为灯的总数,另一个是b尽量小,b为被两盏灯照亮的边
为了统一起见我们把b尽量大替换为尽量小,c是被一盏灯照亮的边,我们用x代表两个量
x=Ma+c;
一般来说当优化两个量v1,v2的时候,我们会转化为一个量,而且还需要保存v1与v2的关系,因此我们定义一个量M,M是理论上比|v1-v2|最大值还要大的数;这样的话两个量不需要互相干涉,却又能保存联系…因此对于上面的公式当x取最小值的时候因为M固定所以a,c 必定取最小值。

每棵树互不相干,可以单独优化,最后把答案加起来即可;
对于一棵树,我们定义d(i)表示以i为节点的树最大ans值,决策有两种在i处放灯或是不放灯,那么问题就出现,因为我们是自顶往下递推,在i处放灯或者不妨灯一定会影响子节点的决策。因此我们需要把i的节点的决策也作为状态的一部分纳入状态转移当中;
我们定义d(i,j)表示i的父节点做了j这样的决策(1,表示放灯,0表示不放灯)
决策一: i不放灯,仅当j=0或者自身是跟根节点。此时d(i,j)=sum{d(k,0)|k是i的子节点} 如果i不是根,ans++,表示节点i与其父节点这条边上只有一盏灯照亮;
决策二: i放灯,此时d(i,j)=sum{d(k,1)|k是i的子节点}+M;如果j为0且i不是根节点,ans++,因为i与父节点这条边上只有一盏灯照亮/
代码如下

#include<iostream>
#include<algorithm>
#include<vector>
#include<cstdio>
#include<string.h>
#define maxn 1000+20	
using namespace std;

int d[maxn][2], vis[maxn][2];
int n, m;
vector<int> gr[maxn];
const int M = 2000;

int dp(int i, int j, int f)
{
	if (vis[i][j]) return d[i][j];
	vis[i][j] = 1;
	int &ans = d[i][j];
	ans = M;
	for (int k = 0; k < gr[i].size(); k++) {
		if (gr[i][k] != f)
			ans += dp(gr[i][k], 1, i);
	}
	if (!j&&f >= 0) ans++;				//当前节点与父节点只有一个灯照亮;

	if (j || f < 0) {
		int sum = 0;
		for (int k = 0; k < gr[i].size(); k++) {
			if (gr[i][k] != f) {
				sum += dp(gr[i][k], 0, i);
			}
		}
		if (f >= 0) sum++;					//i节点不是根;
		ans = min(sum, ans);
	}
	return ans;
}

int main()
{
	/*int t;
	cin >> t;
	while (t--) {
		cin >> n >> m;
		int u, v;
		for (int i = 0; i < n; i++)
			gr[i].clear();
		for (int i = 0; i < m; i++) {
			cin >> u >> v;
			gr[u].push_back(v);
			gr[v].push_back(u);
		}
		memset(vis, 0, sizeof(vis));*/
		int ans = 0;
		for (int i = 0; i < n; i++)
			if (!vis[i][0])	 ans += dp(i, 0, -1);
		printf("%d %d %d \n", ans / M, m - ans % M, ans%M);
	}
	return 0;
}


随着信息技术在管理上越来越深入而广泛的应用,作为学校以及一些培训机构,都在用信息化战术来部署线上学习以及线上考试,可以与线下的考试有机的结合在一起,实现基于SSM的小码创客教育教学资源库的设计与实现在技术上已成熟。本文介绍了基于SSM的小码创客教育教学资源库的设计与实现的开发全过程。通过分析企业对于基于SSM的小码创客教育教学资源库的设计与实现的需求,创建了一个计算机管理基于SSM的小码创客教育教学资源库的设计与实现的方案。文章介绍了基于SSM的小码创客教育教学资源库的设计与实现的系统分析部分,包括可行性分析等,系统设计部分主要介绍了系统功能设计和数据库设计。 本基于SSM的小码创客教育教学资源库的设计与实现有管理员,校长,教师,学员四个角色。管理员可以管理校长,教师,学员等基本信息,校长角色除了校长管理之外,其他管理员可以操作的校长角色都可以操作。教师可以发布论坛,课件,视频,作业,学员可以查看和下载所有发布的信息,还可以上传作业。因而具有一定的实用性。 本站是一个B/S模式系统,采用Java的SSM框架作为开发技术,MYSQL数据库设计开发,充分保证系统的稳定性。系统具有界面清晰、操作简单,功能齐全的特点,使得基于SSM的小码创客教育教学资源库的设计与实现管理工作系统化、规范化。
【负荷预测】基于蚂蚁优化算法的BP神经网络在负荷预测中的应用研究(Matlab完整代码实现)内容概要:本文围绕基于蚂蚁优化算法的BP神经网络在电力负荷预测中的应用展开研究,提出了一种结合智能优化算法与传统神经网络的混合预测模型。通过利用蚂蚁优化算法对BP神经网络的初始权重和阈值进行优化,有效克服了传统BP网络易陷入局部最优、收敛速度慢等问题,提升了负荷预测的精度与稳定性。文中详细阐述了模型构建过程,并提供了完整的Matlab代码实现,便于读者复现与应用。该方法适用于电力系统中短期负荷预测场景,对于提升电网调度效率和能源管理智能化水平具有重要意义。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的高校研究生、科研人员及从事电力负荷预测相关工作的工程技术人员。; 使用场景及目标:①应用于电力系统负荷预测任务,提高预测准确性;②作为智能优化算法与神经网络结合的经典案例,用于学术研究与教学示范;③为后续改进其他元启发式算法优化神经网络提供技术参考与实现基础。; 阅读建议:建议读者结合文中提供的Matlab代码逐段理解算法实现流程,重点关注蚂蚁算法的参数设置与BP网络的训练过程,可通过实际数据集进行模型验证与调参优化,进一步掌握其在实际工程问题中的应用技巧。
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