[简单DP] UVA 10051 Tower of Cubes

本文介绍了一个基于有向无环图(DAG)的动态规划算法,用于解决UVA10051-Tower of Cubes问题。通过定义状态转移方程f[i,p]来寻找最大立方体堆叠高度,同时给出了完整的C++实现代码。

DAG上的DP,六个方向,打印不要求字典序,相反方向可以通过异或得到(定义0-5代表题目所说的五个方向);

f[i, p] = 1;

for (k = 1:i-1)

  f[i, p] = max(f[i, p], f[k, q]+1) if (color[i][p^1] == color[k][q])

 1 /*
 2     UVA 10051 - Tower of Cubes
 3 */
 4 # include <cstdio>
 5 # include <cstring>
 6 
 7 # define N 500 + 5
 8 # define F 6
 9 
10 const char s[F][10] = {"front", "back", "left", "right", "top", "bottom"};
11 
12 int n;
13 int a[N][F];
14 int f[N][F];
15 
16 int max(int x, int y)
17 {
18     return x>y ? x:y;
19 }
20 
21 int dp(int i, int p)
22 {
23     int &ans = f[i][p];
24     if (ans > 0) return ans;
25     ans = 1;
26     for (int j = 1; j < i; ++j)
27     for (int q = 0; q < F; ++q)
28         if (a[j][q] == a[i][p^1])
29             ans = max(ans, dp(j, q)+1);
30     return ans;
31 }
32 
33 void print_ans(int i, int p)
34 {
35     for (int j = 1; j < i; ++j)
36     for (int q = 0; q < F; ++q)
37     {
38         if (a[j][q] == a[i][p^1] && f[j][q]+1 == f[i][p])
39         {
40             print_ans(j, q);
41             printf("%d %s\n", j, s[q^1]);
42             j = i+1;
43             break;
44         }
45     }
46 }
47 
48 void init(void)
49 {
50     for (int i = 1; i <= n; ++i)
51     for (int j = 0; j < F; ++j)
52         scanf("%d", &a[i][j]);
53     memset(f, -1, sizeof(f[0])*(n+1));
54 }
55 
56 void solve(int icase)
57 {
58     if (icase != 1) putchar('\n');
59     int ans = 0, ti, tj;
60     printf("Case #%d\n", icase);
61     for (int i = 1; i <= n; ++i)
62     for (int j = 0; j < 6; ++j)
63     {
64         // printf("%d\n", dp(i, j));
65         if (ans < dp(i, j))
66         {
67             ans = f[i][j];
68             ti = i;
69             tj = j;
70         }
71     }
72     printf("%d\n", ans);
73     print_ans(ti, tj);
74     printf("%d %s\n", ti, s[tj^1]);
75 }
76 
77 int main()
78 {    
79     int icase = 0;
80     while (scanf("%d", &n), n)
81     {
82         init();
83         solve(++icase);
84     }
85     
86     return 0;
87 }

转载于:https://www.cnblogs.com/JMDWQ/archive/2012/08/03/2621808.html

内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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  | 博主筛选后可见
 
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