hlg2130一笔画【状压dp】

本文介绍了一笔画问题的解决方法,通过状态压缩动态规划(状压DP)求解给定点集上的最短路径长度。具体地,定义dp[i][j]表示状态为i且最后一点为j时的最小路径长度。
一笔画
Time Limit: 3000 MSMemory Limit: 32768 K
Total Submit: 6(2 users)Total Accepted: 1(1 users)Rating: Special Judge: No
Description

 

小明喜欢画画,今天他在地上捡起了一张纸,这张纸上有好多个点。小明就想,如果我用铅笔一次性(中间不抬笔)把这些点连起来,那么我的铅笔需要在纸上走多长的路呢?

 

Input

 

第一行,测试组数t。

每组第一行一个正整数N(1<=N<=15),表示点的个数。

接下来n行,每行两个整数xi,yi(0<=xi,yi<=100),表示点的坐标。

 

Output

 

求出连接n个点的最短路径长度。保留两位小数。

 

Sample Input

 

2

3

0 0

0 1

0 2

3

0 0

0 1

1 0

 

Sample Output

 

2.00

2.00

题目描述很简单

我刚开始做这场练习赛的时候没有做出来

后来作者说是状压dp的时候就开始有点思路

现在终于坐上来了

 

dp[i][j]表示状态为i, j为笔画的最后一个点的最小路径

那么对于一个未加入集合中的点 k

dp[i | ( 1 << ( k - 1) )][k] = min(dp[i | ( 1 << ( k - 1) )][k], dp[i][j] + dist[j][k]);

于是我就想到了一个10^8的算法

每次都枚举一次插入的点

然后TLE了

我们可以想一下‘|’的性质   每一次的‘|’都会是原来的数增大或不变

那么只要依次向后枚举每种状态  那么新状态一定在这个之后  

并且该状态一定为最优解

代码:

 1 #include <iostream>
 2 #include <cstdio>
 3 #include <cstring>
 4 #include <cmath>
 5 using namespace std;
 6 
 7 const int maxn = 20;
 8 
 9 struct Node {
10     double x, y;
11 }node[maxn];
12 
13 double dp[1 << 16][maxn];
14 
15 double dis[maxn][maxn];
16 bool is[1 << 16][maxn];
17 
18 int xx[1 << 16][maxn];
19 
20 int main() {
21     int M = 1 << 15;
22     memset(is, 0, sizeof(is));
23     for(int i = 0; i < M; i++) {
24         for(int j = 1; j <= 15; j++) {
25             if(( i & ( 1 << ( j - 1) ) ) != 0) {
26                 is[i][j] = true;
27             }
28         }
29     }
30     for(int i = 0; i < M; i++) {
31         for(int j = 1; j <= 15; j++) {
32             xx[i][j] = ( i | ( 1 << ( j - 1) ) );
33         }
34     }
35     int t, n;
36     scanf("%d",&t);
37     while(t--) {
38         scanf("%d",&n);
39         for(int i = 1; i <= n; i++) {
40             scanf("%lf %lf",&node[i].x, &node[i].y);
41         }
42         for(int i = 1; i <= n; i++) {
43             dis[i][i] = 0;
44             for(int j = i + 1; j <= n; j++) {
45                 dis[i][j] = dis[j][i] = sqrt( (node[i].x - node[j].x) * (node[i].x - node[j].x) + (node[i].y - node[j].y) * (node[i].y - node[j].y) );
46             }
47         }
48         int N = 1 << n;
49         for(int i = 0; i < N; i++) {
50             for(int j = 1; j <= n; j++) {
51                 dp[i][j] = 10000.0;
52             }
53         }
54         dp[1][1] = 0;
55         for(int i = 1, j = 1; i < N; i <<= 1, j++) {
56             dp[i][j] = 0;
57         }
58         for(int i = 0; i < N; i++) {
59             for(int j = 1; j <= n; j++) {
60                 if(is[i][j]) {
61                     for(int k = 1; k <= n; k++) {
62                         if(!is[i][k]) {
63                             dp[xx[i][k]][k] = min(dp[xx[i][k]][k], dp[i][j] + dis[j][k]);
64                         }
65                     }
66                 }
67             }
68         }
69         double ans = 10000.0;
70         for(int i = 1; i <= n; i++) {
71             ans = min(ans, dp[N - 1][i]);
72         }
73         printf("%.2lf\n", ans);
74     }
75     return 0;
76 }
View Code

 

YUV颜色空间与HLG(Hybrid Log-Gamma)高动态范围技术在视频处理中具有定的协同作用。YUV是种将图像或视频信号分解为亮度(Y)和色度(U、V)分量的颜色空间。这种分离有助于在传输和缩过程中优化亮度和色度信息的处理,因为人眼对亮度变化的敏感度高于对色度变化的敏感度。因此,YUV格式被广泛应用于视频编码和广播系统中,如H.264、HEVC等标准[^1]。 HLG种高动态范围(HDR)技术,旨在提供更宽的亮度范围,从而增强图像的对比度和细节表现力。与传统的SDR(Standard Dynamic Range)相比,HLG能够呈现更真实的亮部和暗部细节,使图像看起来更加生动和自然。HLG技术通过使用种特殊的伽玛曲线(Log-Gamma),能够在不增加额外元数据的情况下实现HDR效果,这使得它特别适合于实时广播和视频传输[^2]。 在实际应用中,YUV颜色空间与HLG技术可以结合使用以提高视频的质量。例如,在HDR视频编码过程中,视频信号通常首先被转换为YUV颜色空间,其中亮度分量(Y)可以应用HLG技术来扩展动态范围,而色度分量(U、V)则可以根据需要进行适当的处理和缩。这种方法不仅能够保持视频的高质量,还能有效地减少数据传输所需的带宽[^1]。 此外,由于HLG技术不需要额外的元数据,它与现有的视频传输和接收设备兼容性更好。这意味着,在使用YUV颜色空间进行视频处理时,通过引入HLG技术,可以在不显著改变现有基础设施的情况下实现HDR视频的制作和播放。 综上所述,YUV颜色空间与HLG技术在视频处理中的结合,不仅能够提升视频的视觉效果,还能够适应当前视频传输和接收设备的要求,为用户提供更加优质的观看体验。 ```python # 示例代码:假设我们有个函数用于转换视频信号到YUV颜色空间并应用HLG技术 def convert_to_YUV_and_apply_HLG(video_signal): # 转换视频信号到YUV颜色空间 yuv_video = convert_to_YUV(video_signal) # 应用HLG技术到亮度分量 hlg_yuv_video = apply_HLG(yuv_video['Y']) # 合并处理后的亮度分量与未处理的色度分量 final_video = merge_YUV(hlg_yuv_video, yuv_video['U'], yuv_video['V']) return final_video # 假设的转换函数 def convert_to_YUV(signal): # 实现RGB到YUV转换逻辑 pass # 假设的应用HLG函数 def apply_HLG(y_component): # 实现HLG技术到亮度分量 pass # 假设的合并YUV分量函数 def merge_YUV(y, u, v): # 合并YUV分量形成最终视频 pass ```
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