致大四学长的作业

1T. 项目投资效益最大化问题

思路

1. 设$dp(i,j)$表示从前$i$个物品中选，目前已用总资金为$j$万元时，可以达到的最大效益。并设$v_{i,j}$表示第$i$个项目投入$j$万元时，可以获得的效益。则有状态转移方程 d p i , j = max ⁡ 0 ≤ k ≤ j { d p i − 1 , j − k + v i , k } dp_{i,j}=\max\limits_{0\le k\le j}\{dp_{i-1,j-k}+v_{i,k}\} dpi,j​=0≤k≤jmax​{dpi−1,j−k​+vi,k​}。
2. 此时，时间复杂度和空间复杂度为$O(NV)$，其中$N$为项目的数量，$V$为总资金。
3. 可以用滚动数组优化空间复杂度为$O(V)$。

代码（无滚动数组优化版）

# 每个数据之间用空格隔开
# 输入总项目数和总资金
N,V=[int(e) for e in input().split()]
v=[[0 for j in range(V+1)] for i in range(N+1)]
dp=[[0 for j in range(V+1)] for i in range(N+1)]
# 第 i 行依次输入投入资金为 j 时的收益
for i in range(1,N+1):
	v[i]=[0]+[int(e) for e in input().split()]
# 动态规划（无滚动数组）
for i in range(1,N+1):
	for j in range(1,V+1):
		for k in range(j+1):
			dp[i][j]=max(dp[i][j],dp[i-1][j-k]+v[i][k])
# 输出答案
print(dp[N][V])
# 测试用例
'''
input
3 3
15 28 40
13 29 43
11 30 35
output
45
'''

代码（滚动数组优化版）

# 每个数据之间用空格隔开
# 输入总项目数和总资金
N,V=[int(e) for e in input().split()]
v=[[0 for j in range(V+1)] for i in range(N+1)]
dp=[0 for j in range(V+1)]
# 第 i 行依次输入投入资金为 j 时的收益
for i in range(1,N+1):
	v[i]=[0]+[int(e) for e in input().split()]
# 动态规划（滚动数组）
for i in range(1,N+1):
	# 这里 j 一定要倒序遍历
	for j in range(V,0,-1):
		for k in range(j+1):
			dp[j]=max(dp[j],dp[j-k]+v[i][k])
# 输出答案
print(dp[V])
# 测试用例
'''
input
3 3
15 28 40
13 29 43
11 30 35
output
45
'''

2T. 交通网最短路问题

思路

1. 易发现，所有边权均为正边权，故采用堆优化的dijkstra算法。
2. 对于无向边，我们可以进行在两点之间建两条有向边。例如，假设$u$与$v$之间有一条无向边，则从$u$向$v$建一条有向边，再从$v$与$u$建一条有向边。
3. 对于第(2)问的寻找路径，可以用$f{a}_i$去维护从$V_1$出发到点$V_i$的最短路径中直接与$i$相邻的节点（即$i$的前继节点）。然后从终点一直向其前继节点回溯，直到回溯到终点为止，最后倒序输出刚才参与回溯的点即可。注：此时仅为寻找一条最短路径，当最短路径有多条时，可以用vector来存$V_i$所有的前继节点，用深度优先搜索输出所有的解即可。
4. 时间复杂度为$O((n+m)\log (n+m))$，其中$n$为节点数，$m$为边数。

代码

#include <bits/stdc++.h>
#define ll long long
#define ld long double
#define ull unsigned long long
using namespace std;
const int maxn=1e5+100;
const int maxm=5e5+100;
int n,m,s;
// 链式前向星存图
int head[maxn],cnt;
struct edge 
{
	int v,next;
	double w;
}e[maxm<<1];
void add(int u,int v,double w) 
{
	e[++cnt]=(edge){v,head[u],w};
	head[u]=cnt;
}
struct node 
{
	int pos;
	double dist;
	bool operator < (node a) const 
	{
		return a.dist<dist;
	}
};
priority_queue<node> q,emptyi;
int fa[maxn];bool vis[maxn];
double dis[maxn];
void dijkstra() 
{
	// 初始化 fa_i 为 i
	for(int i=1;i<=n;i++) fa[i]=i;
	// dijkstra 算法
	for (int i=1;i<=n;i++)
		dis[i]=2e9;
	dis[s]=0; q.push((node){s,0});
	while(!q.empty ()) 
	{
		int u=q.top().pos; q.pop();
		if(vis[u]) continue;
		vis[u]=true;
		for(int i=head[u];i;i=e[i].next)  
		{
			int v=e[i].v; double w=e[i].w;
			if (dis[v]>dis[u]+w) 
			{
				dis[v]=dis[u]+w;
				fa[v]=u;
				if(!vis[v]) q.push((node){v,dis[v]});
			}
		}
	}
	// 从左到右依次输出，起点到编号为 i 的点的最短距离。
	for(int i=1;i<=n;i++)
		printf("%lf ",dis[i]);
		printf("\n");
	// 输入所要寻找路径的终点
	int st[maxn],p,cur_point;
	scanf("%d",&cur_point);
	// 若起点到其的最短距离为INF(即无穷大，本题设为 2e9)，
	// 则说明无起点与之不可通达，故输出 No solution.
	if(dis[cur_point]==2e9) printf("No solution");
	else
	{
		while(cur_point!=fa[cur_point])
			st[++p]=cur_point,cur_point=fa[cur_point];
		st[++p]=cur_point;
		// 倒序输出参与回溯的节点。
		for(int i=p;i>=1;i--)
			printf("%d ",st[i]);
	}
}
int main ()
{
	// 输入总点数，总边数和起点。
	scanf ("%d%d%d",&n,&m,&s);
	for(int i=1;i<=m;i++) 
	{
		int u,v,tp; double w;
		//输入两点的编号，边权，以及边的类型。
		// 当 tp 为 0 时，为u->v的有向边；tp 为 1 时，为无向边。
		scanf("%d%d%lf%d",&u,&v,&w,&tp);
		if(tp==0) add(u,v,w);
		if(tp==1) add(u,v,w),add(v,u,w);
	}
	dijkstra ();
	return 0;
}
// 测试样例，即试卷问题
/*
input
9 13 1
1 2 3 0
1 4 4 0
2 3 3 0
2 6 3 0
2 5 2 0
5 6 3 0
4 7 3 0
6 7 1 1
3 9 5 0
6 9 2.5 0
7 9 2 0
7 8 2 0
8 9 4 0
9
output
0.000000 3.000000 6.000000 4.000000 5.000000 6.000000 7.000000 9.000000 8.500000
1 2 6 9
*/

3T. 对伪代码进行分析

# 设 P,W,C 分别为二维数组 w,c,p 存储的矩阵。
# 且满足 W 的 (i,j) 元与 w[i,j] 相等；C 与 P 同理。
# 该函数主要实现用二维数组 p 存储矩阵 P，并返回 p。其中 P=WC。
MatMult(p[n,n],w[n,n],c[n,n])
{
# 矩阵乘法的对应法则。
for i <- 0 to n-1 do
	for j <- 0 to n-1 do
	{
		p[i,j]=0.0;
		for k <- 0 to n-1 do
			p[i,j]=p[i,j]+w[i,k]*c[k,j]
	
	}
	return p;
}

4T. 蒙特卡罗法估计积分的近似值

思路

1. 蒙特卡罗法估计积分的近似值，主要是借助了几何概率。一个关于几何概率的简单例子：现有一面积为$S$的矩形 A，该矩形完全包含一个面积为$S^{\prime }(S\ge S^{\prime })$的任意图形 B，则随机向A中投射一个点，该点落在 B 中的概率$p=\frac{S^{\prime }}{S}$。当$S$与$p$已知时，可知$S^{\prime }=S\ast P$。
2. 对于该题的积分近似值，可以通过放缩得到一个完全包含$y=f(x),x\in [1,3]$的图像，即$2\le 6x^2-4\le f(x)=6x^2-\sin (x)-3\le 6x^2-2\le 52,x\in [1,3]$。但由于$f(x)$的最小值不可能小于$2$，而黎曼积分可以看作曲线与$x$轴的正负面积之和，故我们需要把矩形的下边扩大到!$0$。故建立一个矩形，其四条边分别为$y=0,x\in [1,3]$、$y=52,x\in [1,3]$、$x=1,y\in [0,52]$、$x=3,y\in [0,52]$，进而可知$S=104$。同时，由于$f(x)\ge 0,x\in [1,3]$，故不存在负面积，即只需要统计随机投射的$N$个点中位于$x$轴与曲线之间点的数量$M$，则$p=\frac{M}{N}$,进而可求$S^{\prime }$。

代码

# 投射 1e6 个点，一般民用计算机可以负担，且可快速运行。
N,M,S=10**6,0,104
f=lambda x:6*x**2-sin(x)-3
from math import sin
import numpy.random as nprdm
# 随机生成N个点的坐标(x,y)
x=nprdm.uniform(1,3,size=N)
y=nprdm.uniform(0,52,size=N)
for i in range(N):
	if y[i]<=f(x[i]):
		M+=1
print(S*M/N)
'''
maybeoutput
44.535504
'''

5T. Gauss-Seidel 算法求解线性方程组

这个题是个不加修改的板子，学长自己去看看吧