uva 10604

状态压缩  奇怪的是A与B混合 和 B与A 混合得到的热量可能不同

#include <cstdio>
#include <cstdlib>
#include <cmath>
#include <set>
#include <stack>
#include <vector>
#include <sstream>
#include <cstring>
#include <string>
#include <map>
#include <queue>
#include <algorithm>
#include <iostream>
#define FFI freopen("in.txt", "r", stdin)
#define maxn 1000100
#define INF 0x3f3f3f3f
#define inf 10000000
#define MOD 1000000007
#define ULL unsigned long long
#define LL long long
#define _setm(houge) memset(houge, INF, sizeof(houge))
#define _setf(houge) memset(houge, -1, sizeof(houge))
#define _clear(houge) memset(houge, 0, sizeof(houge))
using namespace std;

int g[10][10], r[10][10];
int dp[1500][10];
int a[20], n, k;

int main() {
	// FFI;
	int t;
	scanf("%d", &t);
	while(t --) {
		scanf("%d", &n);
		for(int i = 1; i <= n; ++ i) {
			for(int j = 1; j <= n; ++ j) {
				scanf("%d%d", &g[i][j], &r[i][j]);
			}
		}
		scanf("%d", &k);
		for(int i = 0; i < k; ++ i) {
			scanf("%d", &a[i]);
		}
		_setm(dp);
		for(int i = 0; i < k; ++ i) {
			dp[1<<i][a[i]] = 0;
		}
		int tot = (1<<k);
		for(int s = 0; s < tot; ++ s) {
			for(int i = 1; i <= n; ++ i) {
				if(dp[s][i] == INF) continue;
				for(int s2 = 0; s2 < tot; ++ s2) {
					if(s&s2) continue;
					for(int j = 1; j <= n; ++ j) {
						if(dp[s2][j] == INF) continue;
						int S = s|s2, now = g[i][j], v = r[i][j];
						int now2 = g[j][i], v2 = r[j][i];
						dp[S][now] = min(dp[S][now], dp[s][i]+dp[s2][j]+v);
						dp[S][now2] = min(dp[S][now2], dp[s][i]+dp[s2][j]+v2);
					}
				}
			}
		}
		int ans = INF;
		for(int i = 1; i <= n; ++ i) {
			ans = min(ans, dp[tot-1][i]);
		}
		printf("%d\n", ans);
		char a[2];
		scanf("%s", a);
	}
	return 0;
}

  

转载于:https://www.cnblogs.com/avema/p/3899442.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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