Codeforces Round #597 (Div. 2) D. Shichikuji and Power Grid 最小生成树

题目:http://codeforces.com/contest/1245/problem/D

 

题意: 有n个城市每个城市之间都有路,两城市连接电线的花费为(abs(x-x)+abs(y-y))*(k+k), 建立发电场的费用为ci

问使所有城市都有电的最小代价。

思路:明显的最小生成树,设置一个0号点连接每个点的代价为建立发电场的代价,然后构建完全图求最小生成树,与0号点连接的点表示建立发电场。即可。

 

ac代码:

#include <cstdio>
#include <cstring>
#include <math.h>
#include <algorithm>
#include <vector>
#include <iostream>
using namespace std;

const int mx = 2e3+100;
typedef long long ll;
const ll mo = 1e9+7;
const ll inf = 0x3f3f3f3f;
struct node {
    ll x, y, c, k;
}N[mx];
int tot, co[mx][mx];
vector<ll>ve[mx], cs;
struct edge {
    ll x, y, e;
    edge() {}
    edge(ll xx, ll yy, ll ee):x(xx),y(yy),e(ee) {}
    bool operator<(const edge &t) const {
        return e<t.e;
    }
}E[mx*mx];
ll dis(ll x, ll y) {
    return (abs(N[x].x-N[y].x)+abs(N[x].y-N[y].y))*(N[x].k+N[y].k);
}
ll n;
int fa[mx];

void init() {
    for (int i = 1; i <= n; ++i) fa[i] = i;
}

ll Find(ll x) {
    return x == fa[x] ? x : fa[x] = Find(fa[x]);
}

ll sum;

void solve() {
    init();
    ll ts = 0;
    sort(E, E+tot);
    for (int i = 0; i < tot; ++i) {
        ll fx = Find(E[i].x), fy = Find(E[i].y);
        if (fx == fy) continue;
        fa[fx] = fy;
        if (E[i].x == 0) cs.push_back(E[i].y);
        else E[ts++] = E[i];
        sum += E[i].e;
    }
    printf("%lld\n", sum);
    cout << cs.size() << endl << cs[0];
    for (int i = 1; i < cs.size(); ++i){
        ll v = cs[i];
        printf(" %lld", v);
    }
    puts("");
    printf("%lld\n", ts);
    for (int i = 0; i < ts; ++i)
        printf("%lld %lld\n", E[i].x, E[i].y);
}

int main () {
    scanf("%lld", &n);
    for (ll i = 1; i <= n; ++i)
        scanf("%lld%lld", &N[i].x, &N[i].y);
    for (ll i = 1; i <= n; ++i) {
        scanf("%lld", &N[i].c);
        E[tot++] = edge(0, i, N[i].c);
    }
    for (ll i = 1; i <= n; ++i) scanf("%lld", &N[i].k);
    for (ll i = 1; i <= n; ++i)
        for (ll j = i+1; j <= n; ++j)
            E[tot++] = edge(i, j, dis(i, j)),
            co[i][j] = dis(i, j),
            co[j][i] = dis(i, j);


    solve();
    return 0;
}

 

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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