zoj3471Most Powerful 状压dp

本文介绍了一段使用C++解决复杂矩阵问题的代码,包括动态规划、递归、位运算等技巧,通过实例展示了如何高效求解矩阵相关问题。

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

#include <cstdio>
#include <cstring>
#include <cmath>
#include <algorithm>
#include <climits>
#include <string>
#include <iostream>
#include <map>
#include <cstdlib>
#include <list>
#include <set>
#include <queue>
#include <stack>
using namespace std;

int n;
int Map[11][11];
int dp[1<<11];
int Max(int a,int b)
{
    return a>b?a:b;
}
int gao(int x)
{
    if(x==0) return dp[x]=0;
    if(~dp[x]) return dp[x];
    int ret= 0;
    for(int i=0;i<n;i++)
    if(x&(1<<i)){
        for(int j=0;j<n;j++){
            if(x&(1<<j)){
                if(i==j) continue;// 这个一定要加 ,自己不能把自己给搞了
                ret=Max(ret,gao(x^(1<<j))+Map[i][j]);
            }
        }
    }
    return dp[x]= ret;
}

int  main()
{
    while(cin>>n,n){
        memset(dp,-1,sizeof(dp));
        memset(Map,0,sizeof(Map));
        for(int i=0;i<n;i++)
            for(int j=0;j<n;j++)
            scanf("%d",&Map[i][j]);
        int gg=(1<<n) -1 ;
        cout<<gao(gg)<<endl;
    }
    return 0;
}

 

转载于:https://www.cnblogs.com/yigexigua/p/3907717.html

内容概要:本文针对国内加密货币市场预测研究较少的现,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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