bzoj 3205: [Apio2013]机器人【dfs+斯坦纳树+spfa】

本文介绍了一种解决斯坦纳树问题的方法,通过DFS预处理和SPFA算法优化来计算复合机器人路径。利用记忆化搜索预处理格子转移,并通过栈优化SPFA算法提高效率。

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

第一次听说斯坦纳树这种东西
先dfs预处理出来dis[i][j][k]表示格子(i,j)向k方向转移能到哪,记忆话搜索预处理,注意如果有环的话特判一下
设f[i][j][x][y]表示复合机器人i-j在(x,y)生成需要推得步数,用spfa转移,因为时间比较紧所以优化spfa,把能转移的放进一个队列(准确的来讲是栈)按f排序,spfa转移到的放到另一个,每次取队首小的更新答案

#include<iostream>
#include<cstdio>
#include<cstring>
#include<queue>
using namespace std;
const int N=505,M=600003,dx[]={0,1,0,-1},dy[]={1,0,-1,0};
int n,h,w,f[10][10][N][N],v[N][N][5],ti,s[M+5],va[N*N],top,inf;
bool mk[N][N];
char c[N][N];
struct qwe
{
    int x,y;
    qwe(int X=0,int Y=0)
    {
        x=X,y=Y;
    }
}dis[N][N][5],q[N*N],p[M+5];
qwe dfs(int x,int y,int k)
{
    if(v[x][y][k]==ti)
        return qwe(-1,0);
    v[x][y][k]=ti;
    if(dis[x][y][k].x!=0)
        return dis[x][y][k];
    int t=k;
    if(c[x][y]=='C')
        k=(k+1)%4;
    if(c[x][y]=='A')
        k=(k+3)%4;
    int xx=x+dx[k],yy=y+dy[k];
    if(xx>w||xx<1||yy>h||yy<1||c[xx][yy]=='x')
        return dis[x][y][t]=qwe(x,y);
    return dis[x][y][t]=dfs(xx,yy,k);
}
void spfa(int l,int r)
{
    memset(s,0,sizeof(s));
    memset(mk,0,sizeof(mk));
    int mn=inf,mx=-inf;
    for(int i=1;i<=top;i++)
    {
        s[va[i]]++;
        if(va[i]<mn)
            mn=va[i];
        if(va[i]>mx)
            mx=va[i];
        mk[q[i].x][q[i].y]=1;
    }
    for(int i=mn+1;i<=mx;i++)
        s[i]+=s[i-1];
    for(int i=1;i<=top;i++)
        p[s[va[i]]--]=q[i];
    for(int i=1;i<=top;i++)
        q[i]=p[top-i+1];
    int ll=0,rr=0;
    while(top||ll!=rr)
    {
        int now=ll%M+1;
        qwe u;
        if(ll==rr||(top&&f[l][r][q[top].x][q[top].y]<f[l][r][p[now].x][p[now].y]))
            u=q[top--];
        else
            u=p[ll=now];
        int x=u.x,y=u.y;
        mk[x][y]=0;
        for(int i=0;i<4;i++)
        {
            int tx=dis[x][y][i].x,ty=dis[x][y][i].y;
            if(tx!=-1&&f[l][r][x][y]+1<f[l][r][tx][ty])
            {
                f[l][r][tx][ty]=f[l][r][x][y]+1;
                if(!mk[tx][ty])
                {
                    mk[tx][ty]=1;
                    p[rr=rr%M+1]=qwe(tx,ty);
                }
            }
        }
    }
}
int main()
{
    scanf("%d%d%d",&n,&h,&w);
    for(int i=1;i<=w;i++)
        scanf("%s",c[i]+1);
    memset(f,127/3,sizeof(f));
    inf=f[0][0][0][0];cerr<<inf<<endl;
    for(int i=1;i<=w;i++)
        for(int j=1;j<=h;j++)
            if(c[i][j]!='x')
                for(int k=0;k<4;k++)
                    ti++,dis[i][j][k]=dfs(i,j,k);
    for(int i=1;i<=w;i++)
        for(int j=1;j<=h;j++)
            if(c[i][j]>='0'&&c[i][j]<='9')
                f[c[i][j]-48][c[i][j]-48][i][j]=0;
    for(int l=1;l<=n;l++)
        for(int x=1;x<=n-l+1;x++)
        {
            int y=x+l-1;top=0;
            for(int i=1;i<=w;i++)
                for(int j=1;j<=h;j++)
                {
                    for(int k=x;k<y;k++)
                        if(f[x][y][i][j]>f[x][k][i][j]+f[k+1][y][i][j])
                            f[x][y][i][j]=f[x][k][i][j]+f[k+1][y][i][j];
                    if(f[x][y][i][j]!=inf)
                    {
                        q[++top]=qwe(i,j);
                        va[top]=f[x][y][i][j];
                    }
                }
            spfa(x,y);
        }
    int ans=inf;
    for(int i=1;i<=w;i++)
        for(int j=1;j<=h;j++)
            if(f[1][n][i][j]<ans)
                ans=f[1][n][i][j];
    printf("%d\n",ans==inf?-1:ans);
    return 0;
}

转载于:https://www.cnblogs.com/lokiii/p/8856375.html

基于数据挖掘的音乐推荐系统设计与实现 需要一个代码说明,不需要论文 采用python语言,django框架,mysql数据库开发 编程环境:pycharm,mysql8.0 系统分为前台+后台模式开发 网站前台: 用户注册, 登录 搜索音乐,音乐欣赏(可以在线进行播放) 用户登陆时选择相关感兴趣的音乐风格 音乐收藏 音乐推荐算法:(重点) 本课题需要大量用户行为(如播放记录、收藏列表)、音乐特征(如音频特征、歌曲元数据)等数据 (1)根据用户之间相似性或关联性,给一个用户推荐与其相似或有关联的其他用户所感兴趣的音乐; (2)根据音乐之间的相似性或关联性,给一个用户推荐与其感兴趣的音乐相似或有关联的其他音乐。 基于用户的推荐和基于物品的推荐 其中基于用户的推荐是基于用户的相似度找出相似相似用户,然后向目标用户推荐其相似用户喜欢的东西(和你类似的人也喜欢**东西); 而基于物品的推荐是基于物品的相似度找出相似的物品做推荐(喜欢该音乐的人还喜欢了**音乐); 管理员 管理员信息管理 注册用户管理,审核 音乐爬虫(爬虫方式爬取网站音乐数据) 音乐信息管理(上传歌曲MP3,以便前台播放) 音乐收藏管理 用户 用户资料修改 我的音乐收藏 完整前后端源码,部署后可正常运行! 环境说明 开发语言:python后端 python版本:3.7 数据库:mysql 5.7+ 数据库工具:Navicat11+ 开发软件:pycharm
MPU6050是一款广泛应用在无人机、机器人和运动设备中的六轴姿态传感器,它集成了三轴陀螺仪和三轴加速度计。这款传感器能够实时监测并提供设备的角速度和线性加速度数据,对于理解物体的动态运动状态至关重要。在Arduino平台上,通过特定的库文件可以方便地与MPU6050进行通信,获取并解析传感器数据。 `MPU6050.cpp`和`MPU6050.h`是Arduino库的关键组成部分。`MPU6050.h`是头文件,包含了定义传感器接口和函数声明。它定义了类`MPU6050`,该类包含了初始化传感器、读取数据等方法。例如,`begin()`函数用于设置传感器的工作模式和I2C地址,`getAcceleration()`和`getGyroscope()`则分别用于获取加速度和角速度数据。 在Arduino项目中,首先需要包含`MPU6050.h`头文件,然后创建`MPU6050`对象,并调用`begin()`函数初始化传感器。之后,可以通过循环调用`getAcceleration()`和`getGyroscope()`来不断更新传感器读数。为了处理这些原始数据,通常还需要进行校准和滤波,以消除噪声和漂移。 I2C通信协议是MPU6050与Arduino交互的基础,它是一种低引脚数的串行通信协议,允许多个设备共享一对数据线。Arduino板上的Wire库提供了I2C通信的底层支持,使得用户无需深入了解通信细节,就能方便地与MPU6050交互。 MPU6050传感器的数据包括加速度(X、Y、Z轴)和角速度(同样为X、Y、Z轴)。加速度数据可以用来计算物体的静态位置和动态运动,而角速度数据则能反映物体转动的速度。结合这两个数据,可以进一步计算出物体的姿态(如角度和角速度变化)。 在嵌入式开发领域,特别是使用STM32微控制器时,也可以找到类似的库来驱动MPU6050。STM32通常具有更强大的处理能力和更多的GPIO口,可以实现更复杂的控制算法。然而,基本的传感器操作流程和数据处理原理与Arduino平台相似。 在实际应用中,除了基本的传感器读取,还可能涉及到温度补偿、低功耗模式设置、DMP(数字运动处理器)功能的利用等高级特性。DMP可以帮助处理传感器数据,实现更高级的运动估计,减轻主控制器的计算负担。 MPU6050是一个强大的六轴传感器,广泛应用于各种需要实时运动追踪的项目中。通过 Arduino 或 STM32 的库文件,开发者可以轻松地与传感器交互,获取并处理数据,实现各种创新应用。博客和其他开源资源是学习和解决问题的重要途径,通过这些资源,开发者可以获得关于MPU6050的详细信息和实践指南
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