1776 Task Sequences 竞赛图构造哈密顿路径

时空隧道


题目大意:
给出一张有向完全图(也就是竞赛图),要求求出一条哈密顿路径。


分析:
假设我们当前已经构造出了前n个点的哈密顿路径,存在ans数组中,我们接下来要向这条路径中加入第n+1个点,那么合法的加入分为三种情况:
第一种情况:
这里写图片描述
(简单易懂,不再赘述)
第二种情况:
这里写图片描述
(同样简单易懂,加到最后即可)
第三种情况:
这里写图片描述
(一定存在至少一条边指向第n+1个点,这样的话,只要把第n+1个点加在这个指向它的点的后面就好啦)


代码如下:

#include<algorithm>
#include<iostream>
#include<cstring>
#include<cstdio>
//by NeighThorn 
using namespace std;
const int maxn=1000+5;
int n,mp[maxn][maxn],ans[maxn];
inline int read(void){
    char ch=getchar();int f=1,x=0;
    while(!(ch>='0'&&ch<='9')){
        if(ch=='-')f=-1;
        ch=getchar();
    }
    while(ch>='0'&&ch<='9')
        x=x*10+ch-'0',ch=getchar();
    return f*x; 
}
signed main(void){
    while(scanf("%d",&n)!=EOF){
        for(int i=1;i<=n;i++)
            for(int j=1;j<=n;j++)
                mp[i][j]=read();    
        for(int i=1;i<=n;i++){
            int tmp=1;
            for(int j=i-1;j>=1;j--){
                if(j==1&&mp[i][ans[1]]==1){
                    tmp=1;
                    break;
                }
                else if(j==i-1&&mp[ans[j]][i]==1){
                    tmp=i;
                    break;
                }
                else
                    if(mp[ans[j]][i]==1){
                        tmp=j+1;
                        break;
                    }
            }
            for(int j=i;j>tmp;j--)
                ans[j]=ans[j-1]; 
            ans[tmp]=i;
        }
        printf("1\n%d\n",n);
        for(int i=1;i<=n;i++)
            printf("%d ",ans[i]);
        puts("");
    }
    return 0;   
}

by >_< NeighThorn

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是一个基于栅格地的双向LSTM路径规划的代码示例,使用Python和Keras库实现。 首先,导入必要的库: ```python import numpy as np import keras from keras.models import Model from keras.layers import Input, LSTM, Dense, Bidirectional, Concatenate ``` 接着,定义输入和输出的维度: ```python # 输入维度:(batch_size, timesteps, input_dim) # 输出维度:(batch_size, output_dim) input_dim = 2 # 输入维度为2,即(x,y)坐标 output_dim = 1 # 输出维度为1,即下一步要走的方向 ``` 然后,定义模型的输入层: ```python # 输入层 inputs = Input(shape=(None, input_dim)) ``` 接下来,定义双向LSTM层: ```python # 双向LSTM层 lstm = Bidirectional(LSTM(64, return_sequences=True))(inputs) ``` 然后,定义全连接层: ```python # 全连接层 dense = Dense(32, activation='relu')(lstm) ``` 最后,定义输出层: ```python # 输出层 outputs = Dense(output_dim, activation='softmax')(dense) ``` 将输入层、LSTM层、全连接层和输出层连接起来: ```python # 定义模型 model = Model(inputs=inputs, outputs=outputs) ``` 编译模型: ```python # 编译模型 model.compile(optimizer='adam', loss='categorical_crossentropy') ``` 训练模型: ```python # 训练模型 model.fit(x_train, y_train, epochs=100, batch_size=32) ``` 其中,`x_train`是输入数据,`y_train`是输出数据。 以上就是一个基于栅格地的双向LSTM路径规划的代码示例。该模型可以根据输入的当前位置,预测下一步要走的方向,从而实现路径规划。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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