[POJ1948]Triangular Pastures(背包dp)

245 篇文章 0 订阅

题目描述

传送门

题解

刚开始有一种错误的贪心策略:将边从大往小加,每次加到最小的里面去,以保证尽量平均。然而我还是too naive,随便反栗:9 7 7 5 5 3 3 1 1 1。
结果想了一下发现就是一个无脑背包。
f(i,j)表示用两拨木棍能不能拼出i和j的长度。显然剩下的就是sum-i-j了嘛。求f(i,j)用一个二维01背包就能解决。转移方程:f(i,j)|=f(i,j-l[k])|f(i-l[k],j);
最后枚举一下两个长度然后用海伦公式算一下就行了。时间复杂度 O(n5)

代码

#include<algorithm>
#include<iostream>
#include<cstring>
#include<cstdio>
#include<cmath>
using namespace std;
#define N 45
int n,m,sum,l[N];
double p,area,ans;
bool f[N*N][N*N];
int main()
{
    scanf("%d",&n);
    for (int i=1;i<=n;++i) scanf("%d",&l[i]),sum+=l[i];
    m=sum;

    f[0][0]=true;
    for (int i=1;i<=n;++i)
        for (int j=m;j>=0;--j)
            for (int k=m;k>=0;--k)
            {
                if (j-l[i]>=0) f[j][k]|=f[j-l[i]][k];
                if (k-l[i]>=0) f[j][k]|=f[j][k-l[i]];
            }

    double p=(double)sum/2;
    for (int i=m;i>=0;--i)
        for (int j=m;j>=0;--j)
            if (f[i][j])
            {
                double a=(double)i,b=(double)j,c=(double)sum-(double)i-(double)j;
                if (a+b<=c||a+c<=b||b+c<=a) continue;
                area=sqrt(p*(p-a)*(p-b)*(p-c));
                ans=max(ans,area);
            }
    if (ans==0) puts("-1");
    else
    {
        ans*=100;
        ans=floor(ans);
        printf("%0.0lf\n",ans);
    }
}

总结

①01背包不能刚开始把所有的先加进去,那样不能保证只用一次。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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