常州集训难题选解

4 篇文章 0 订阅
1 篇文章 0 订阅

8.10 T6(BZOJ1727):

题意:n(1 <= n <= 25000)道工序,每道工序有两步,必须做完第一步才能做第二步,给出每步的时间,求最小完成时间。

分析:

先说一个错误解法:

对于两道工序a,b,a要放在b前当max(a1+b1+b2, a1+a2+b2) < max(a2+b1+b2, a1+a2+b1),即min(a1, b2) < min(a2, b1),所以按照这个排序就好。

这样做的错误是没有考虑到之前工序对a,b的影响。

虽然BZOJ上能A,这里给个错误数据:

10
8 10
1 4
3 4
1 1
5 10
1 7
1 9
10 9
5 4
5 2

答案是61,而以上那种做法是64。

网上题解都是这么写的,经我一一查证,全错。

下面说正确解法:

正确解法也是贪心,排序方法是先把a < b的排在前头,内部按a从小到大排序,然后放a = b的,内部顺序随意,最后放a > b的,内部按b从大到小排序。

证明方法就是交换相邻元素法,考虑之前工序的影响,分类较多,不详细证明了。


8.11 T3:

一棵n(n <= 100000)个点的树,可去掉一条边,求分裂出的两个子树的直径和的最大值。

分析:

一道比较难的树形dp,比较重要的是定义状态。

我们观察到,去掉一条边后,下面的子树直径可以轻松求出,上面的东西我们需要求出一个数组mx(i),表示去掉i和他父亲的边之后,上面的子树的直径,所以整道题的关键就是求mx数组。

为了方便,我们将x的父亲设为f.

首先考虑经过f的,我们需要处理出每个点向下走的最长,次长,第三长链d1, d2, d3,和强制向上走一步,再往下走的最长路up。

然后是不经过f的,我们需要处理出每个点的直径和次长直径,再跟f的父亲的mx值取max.

然后递推很简单,两遍dfs就行了。

#include <cstdio>
#include <algorithm>
using namespace std;

typedef long long ll;
const int N = 100005, M = 200005;
int n,x,y,z,e=1,f[N],hd[N],nxt[M],to[M],w[M];
ll ans,up[N],mx[N];
struct nd {int x;ll y;}d1[N],d2[N],d3[N],s1[N],s2[N];
void add(int x, int y, int z) {to[++e] = y, w[e] = z, nxt[e] = hd[x], hd[x] = e;}

void dfs(int x, int fa) {
	for(int i = hd[x]; i; i = nxt[i]) if(to[i] != fa) {
		f[to[i]] = x, dfs(to[i], x);
		ll a = d1[to[i]].y+w[i], b = max(d1[to[i]].y+d2[to[i]].y,s1[to[i]].y);
		if(a >= d1[x].y) d3[x] = d2[x], d2[x] = d1[x], d1[x].x = to[i], d1[x].y = a;
		else if(a >= d2[x].y) d3[x] = d2[x], d2[x].x = to[i], d2[x].y = a;
		else if(a > d3[x].y) d3[x].x = to[i], d3[x].y = a;
		if(b >= s1[x].y) s2[x] = s1[x], s1[x].x = to[i], s1[x].y = b;
		else if(b > s2[x].y) s2[x].x = to[i], s2[x].y = b;
	}
}
void dfs2(int x, int fa) {
	for(int i = hd[x]; i; i = nxt[i]) if(to[i] != fa) {
		if(d1[x].x == to[i]) up[to[i]] = w[i]+d2[x].y;
		else up[to[i]] = w[i]+d1[x].y;
		up[to[i]] = max(up[to[i]], up[x]+w[i]);
		if(s1[x].x == to[i]) mx[to[i]] = s2[x].y; else mx[to[i]] = s1[x].y;
		if(d1[x].x == to[i]) mx[to[i]] = max(mx[to[i]], max(d2[x].y+d3[x].y, d2[x].y+up[x]));
		else {
			mx[to[i]] = max(mx[to[i]], d1[x].y+up[x]);
			if(d2[x].x == to[i]) mx[to[i]] = max(mx[to[i]], d1[x].y+d3[x].y);
			else mx[to[i]] = max(mx[to[i]], d1[x].y+d2[x].y);
		}
		mx[to[i]] = max(mx[to[i]], max(up[x], mx[x]));
		dfs2(to[i], x);
	}
}

int main() {
	freopen("etg.in", "r", stdin);
	freopen("etg.out", "w", stdout);
	scanf("%d", &n);
	for(int i = 1; i < n; i++) scanf("%d%d%d", &x, &y, &z), add(x, y, z), add(y, x, z);
	dfs(1, 0), dfs2(1, 0);
	for(int i = 2; i <= e; i += 2) {
		int x = to[i], y = to[i^1];
		if(f[y] == x) swap(x, y);
		ans = max(ans, max(s1[x].y,d1[x].y+d2[x].y)+mx[x]);
	}
	printf("%lld", ans);
	return 0;
}

(未完待续)

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