状压DP假装学习

  • 直接学状压题型 = =
  • 哇,好难
  • 哇,好像看懂了吧 = =
  • 打不出来 = =
  • 忘了 = =
  • yi 这位运算什么意思?

先学一波位运算吧

1. 1 << n   即1*2^n,一般用来表示状态, Eg: n = 2,1 << n = 4 即可表示二进
    制四位的状态 Eg: 1111
2. i & (i<<1) 
         Eg: i = 2;
         i << 1 = 8;
         2 & 8 =
             1000
           & 0001
        ______________
             0000
/*code*/
        tot = 0;    //tot -> 合法的状态标号 用can储存状态 Eg:can[3] = 5 = (101)_2
        for(int i = 0;i < (1<<n);i++){
            if((i & (i<<1)) == 0){         //判断有没有相邻的
                can[tot++] = i;            //初始化状态
            }
        }
3. cur[i] = (cur[i] | (1<<j))
    Eg:cur[i] = 5 // (101)_2
       j = 1;
       1 << j = 2; //(010)_2
       cur[i] = 
          101
       |  010
       _________
          111
       即在第二个位置插入 '1'
       用来修改地图 

/*code*/
        for(int i = 1;i <= m;i++){
            for(int j = 0;j < n;j++){
                int num;
                scanf("%d",&num);
                if(num == 0) cur[i] = (cur[i] | (1<<j));
            }
        }

前方高能膜法门:https://blog.csdn.net/accry/article/details/6607703

旅行商问题(TSP)

int dp[1 << MAX_N][MAX_N];  //DP记忆数组
                            //用二进制的每一位代表该点是否访问过
                            //0011代表已走过第一个和第二个

void solve(){
    //初始化
    for(int S = 0;S < 1 << n;S++){
        fill(do[S],dp[S]+n,INF);
    }
    //初始化从零点访问
    dp[(1 << n) - 1][0] = 0;
    //核心
    for(int S = (1 << n)-2; S >= 0;S--){    //从全访问 -> 0访问
        for(int v = 0;v < n;v++){           //从0点到最后一点
            for(int u = 0;u < n;u++){       
                if(!(S >> u & 1)){          //判断每位(点)是否访问过,若没访问过则递推式成立
                    dp[S][v] = min(dp[S][v],dp[S | 1 << u][u] + d[v][u]);   //不访问d[v][u]和访问d[v][u[]]
                }
            }
        }
    }
    cout<<dp[0][0]
}

Corn Fields

  • 这是第二天了啊 = =
  • 靠着前一天题解的记忆打了好久终于成功了
  • 哼哼 有牌面
#include <iostream>
#include <cstdio>
#include <cstring>
#include <cstdlib>
#include <algorithm>

#define MAX_N 13
#define mod 100000000
#define mm(a,b) memset(a,b,sizeof(a))

int dp[MAX_N][1 << MAX_N];      //记忆数组
int map[MAX_N];                 //field地图
int can[1 << MAX_N];            //第几种状态的二进制表示
int cnt;                        //第几种状态
int N,M;                        //大小
int ans;                        //答案

void TestMap();             //输出地图
void TestInitCan();         //输出初始化Can
void TestInitDpOne();       //输出初始化第一行Dp

using namespace std;
int main(){
    while(~scanf("%d %d",&N,&M)){
        cnt = 0;
        for(int i = 0;i < (1<<M);i++){
            if((i & (i<<1)) == 0){          //判断有没有相邻的
                can[cnt] = i;
                cnt++;
            }
        }
        //初始化
        mm(map, 0);
        mm(dp, 0);
        ans = 0;
        //读取地图,0 -> 肥沃,1 -> 贫瘠
        for(int i = 1;i <= N;i++){
            for(int j = 0;j < M;j++){
                int tmp;
                scanf("%d",&tmp);
                if(tmp == 0){
                    map[i] = (map[i] |(1<<j));
                }
            }
        }
        //对第一行进行初始化
        for(int i = 0;i < cnt;i++){
            if((map[1] & can[i]) == 0){
                dp[1][can[i]] = 1;
            }
        }

        for(int i = 1;i < N;i++){                       //枚举每一行
            for(int j = 0;j < cnt;j++){                 //枚举每一行的所有可行状态
                if((can[j] & map[i]) == 0){             //满足条件
                    for(int k = 0;k < cnt;k++){         //枚举下一行的所有可行状态
                        if(((can[k] & map[i+1]) == 0) && ((can[k] & can[j]) == 0)){
                            dp[i+1][can[k]] = dp[i+1][can[k]] + dp[i][can[j]];
                        }
                    }
                }
            }
        }

        for(int i = 0;i < cnt;i++){  //各个状态ans之和
            ans += dp[N][can[i]];
            ans = ans % mod;
        }
        cout<<ans<<endl;
        /* 发现结果错了,输出了三个中间值,发现是输入地图的时候 0 和 1 取反了*/
        //TestMap();
        //TestInitCan();
        //TestInitDpOne();
    }
    return 0;
}

void TestMap(){
    cout<<"Map:"<<endl;
    for(int i = 1;i <= N;i++){
        cout<<map[i]<<endl;
    }
    return;
}

void TestInitCan(){
    cout<<"Can:"<<endl;
    for(int i = 0;i < cnt;i++){
        cout<<can[i]<<endl;
    }
    return;
}

void TestInitDpOne(){
    cout<<"DpOne:"<<endl;
    for(int i = 0;i < cnt;i++){
        cout<<"map[1] = "<<map[1]<<"   can[i] = "<<can[i]<<endl;
        cout<<"ans: "<<dp[1][can[i]]<<endl;
    }
    return;
}
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