NOIP 2016 换教室 DP

DP 很好想:
首先,考虑对于所有的教室与道路,地图本身是存在最短路的,我们先用floyd求出任意两点之间的最短距离。

其次,针对所有事件可能发生的情况:

1.当前的课不换的情况:

(1)上一节课也没换;

(2)上一节课换了—-成功or不成功;

2.当前的课换的情况:

(1)当前课成功换了:

a.上一节课换了—-上一节课成功or不成功

b.上一节课没换;

(2)当前的课换了失败:

a.上一节课换了—-上一节课成功or不成功

b.上一节课没换;

最后,按步就班地结合题中给出的概率,以及我们用floyd求出的距离,列出转移方程:

f[i][j][0] = min(f[i-1][j][0] + d[a[i-1]][a[i]], f[i-1][j][1] + d[a[i-1]][a[i]] * (1 - c[i-1]) + d[b[i-1]][a[i]] * c[i-1]);

f[i][j][1] = min(f[i-1][j-1][0] + d[a[i-1]][a[i]] * (1.0-c[i]) + d[a[i-1]][b[i]] * c[i], f[i-1][j-1][1] + d[a[i-1]][a[i]] * (1.0-c[i-1]) * (1.0-c[i]) + d[b[i-1]][a[i]] * c[i-1] * (1.0-c[i]) + d[a[i-1]][b[i]] * (1.0-c[i-1]) * c[i] + d[b[i-1]][b[i]] * c[i-1] * c[i]);
细节要注意:
图有自环

#include <cstdio>
#include <iostream>
#include <cstring>
#include <cmath>
using namespace std;
inline int read(){
    int f=1,x=0;
    char c=getchar();
    while (c<'0'||c>'9'){if (c=='-') f=-1;c=getchar();}
    while (c>='0'&&c<='9'){x=x*10+c-'0';c=getchar();}
    return f*x;
} 
int n,m,g,h,o,p;
double  f[2005][2005][2],a[305][305],b[20005];
int c[2005],d[2005];
double minx(double x,double y){
    if (x>y) return y;
    else return x; 
}
int main(){
    n=read();m=read();o=read();p=read();
    for (int i=1;i<=n;i++)
        c[i]=read();    
    for (int i=1;i<=n;i++)
    d[i]=read();
    for (int i=0;i<=o;i++)
    for (int j=0;j<=o;j++) if (i!=j) a[i][j]=2e9;
    for (int i=1;i<=n;i++) scanf("%lf",&b[i]);
    for (int i=1;i<=p;i++){
        int x=read(),y=read();double z;
        scanf("%lf",&z);
        a[x][y]=a[y][x]=minx(z,a[x][y]);

    }

    for (int k=1;k<=o;k++)
    for (int i=1;i<=o;i++)
    for (int j=1;j<=o;j++)
    if (a[i][k]+a[k][j]<a[i][j]) a[i][j]=a[i][k]+a[k][j];
    for (int i=0;i<=n;i++)
    for (int j=0;j<=m;j++) f[i][j][0]=f[i][j][1]=2e9;
    f[1][0][0]=0;f[1][1][1]=0;
        for (int i=2;i<=n;i++)
        {
            f[i][0][0]=f[i-1][0][0]+a[c[i-1]][c[i]];
            for (int j=1;j<=m;j++){
                f[i][j][0]=f[i-1][j][0]+a[c[i-1]][c[i]];
                f[i][j][0]=minx(f[i][j][0],f[i-1][j][1]+b[i-1]*a[d[i-1]][c[i]]+(1-b[i-1])*a[c[i-1]][c[i]]);
                f[i][j][1]=f[i-1][j-1][0]+b[i]*a[c[i-1]][d[i]]+(1-b[i])*a[c[i-1]][c[i]];
f[i][j][1]=minx(f[i][j][1],f[i-1][j-1][1]+b[i]*(1.0*b[i-1]*a[d[i-1]][d[i]]+1.0*(1.0-b[i-1])*a[c[i-1]][d[i]])+(1.0-b[i])*(1.0*b[i-1]*a[d[i-1]][c[i]]+1.0*(1.0-b[i-1])*a[c[i-1]][c[i]]));

            }
        }
    double ans=f[n][0][0];
    for(int i=1;i<=m;++i)ans=min(f[n][i][0],ans),ans=min(f[n][i][1],ans);
    printf("%0.2lf\n",ans);
    return 0;
}
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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