LOJ 1119

本文通过状态压缩动态规划解决了一个关于任务调度的问题,旨在寻找最小化额外费用的最优方案。介绍了如何利用位运算来表示任务完成状态,并通过具体的C++实现代码详细解释了算法流程。

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

题目链接:http://lightoj.com/volume_showproblem.php?problem=1119

——————————————————————————————————————

题目描述:

好多活,如果一个活在另一个活之前干完,就需要增加费用。

求费用的最小值

——————————————————————————————————————

题目思路:

原来这就是状态压缩dp。。

用位运算+dp做的

——————————————————————————————————————

题目细节:

产生n个1的方法:

m = 1;
m = ((m<<n)-1); 
——————————————————————————————————————

源代码:

#include <iostream>
#include<stdio.h>

using namespace std;

#define MAX 17000
#define fmin(a,b) ((a)>(b)? (b):(a))

int m = 0,n = 0;
int p[16][16];
long long int dp[MAX];

int judge(int i,int j)
{
    int k = 0,p = 0,t = 0;

    for(p = 1;p<=n;p++)
    {
       t = 1 & j;
       if(t)
         k++;
       j = j>>1;
    }
    if(k == i) return 1;
    else  return 0;
}

long long int con(int q,int j)
{
    int i = 0,k = 0,t = 1;
    int sum = 0;

    for(i = 0;i<n;i++)
    {
        t = 1<<i;
        if((t&j) && i!=q)
          sum += p[n-q][n-i];
    }

    for(i = 1;i<n-q;i++)
      k = (k<<1)+1;
    k = k<<1;
    for(i = 0;i<q;i++)
      k = (k<<1)+1;

    k = k&j;

    return dp[k] + sum + p[n-q][n-q];
}

int main()
{
    int t = 0;
    int i = 0,j = 0,q = 0,k = 0;

    scanf("%d",&t);
    for(k = 1;k<=t;k++)
    {
        scanf("%d",&n);
        for(i = 1;i<=n;i++)
         for(j = 1;j<=n;j++)
           scanf("%d",&p[i][j]);

        dp[0] = 0;
        m = 1;
        m = ((m<<n)-1);                      //队友提供了产生n个1的思路

        for(i = 1;i<=n;i++)
          for(j = 1;j<=m;j++)
            if(judge(i,j))
            {
               long long int min = (unsigned long long int)(~0)>>1;
               if(j == 6)
                j = 6;
               for(q = 0;q<n;q++)
                 if((1<<q)&j)
                   min = fmin(con(q,j),min);
               dp[j] = min;
               //printf("%d %lld\n",j,dp[j]);
            }

        printf("Case %d: %lld\n",k,dp[m]);
    }

    return 0;
}



内容概要:本文系统介绍了基于C#(VS2022+.NET Core)与HALCON 24.11的工业视觉测量拟合技术,涵盖边缘提取、几何拟合、精度优化及工业部署全流程。文中详细解析了亚像素边缘提取、Tukey抗噪算法、SVD平面拟合等核心技术,并提供了汽车零件孔径测量、PCB焊点共面性检测等典型应用场景的完整代码示例。通过GPU加速、EtherCAT同步等优化策略,实现了±0.01mm级测量精度,满足ISO 1101标准。此外,文章还探讨了深度学习、量子启发式算法等前沿技术的应用前景。 适合人群:具备一定编程基础,尤其是熟悉C#和HALCON的工程师或研究人员,以及从事工业视觉测量与自动化检测领域的技术人员。 使用场景及目标:①学习如何使用C#和HALCON实现高精度工业视觉测量系统的开发;②掌握边缘提取、抗差拟合、3D点云处理等核心技术的具体实现方法;③了解工业部署中的关键技术,如GPU加速、EtherCAT同步控制、实时数据看板等;④探索基于深度学习和量子计算的前沿技术在工业视觉中的应用。 其他说明:本文不仅提供了详细的理论分析和技术实现,还附有完整的代码示例和实验数据,帮助读者更好地理解和实践。同时,文中提到的硬件选型、校准方法、精度验证等内容,为实际项目实施提供了重要参考。文章最后还给出了未来的技术演进方向和开发者行动建议,如量子-经典混合计算、自监督学习等,以及参与HALCON官方认证和开源社区的建议。
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