bzoj1491 NOI2007 社交网络[floyed]

1491: [NOI2007]社交网络

Time Limit: 10 Sec Memory Limit: 64 MB
Submit: 1563 Solved: 876
[Submit][Status][Discuss]
Description

在社交网络(socialnetwork)的研究中,我们常常使用图论概念去解释一些社会现象。不妨看这样的一个问题。
在一个社交圈子里有n个人,人与人之间有不同程度的关系。我们将这个关系网络对应到一个n个结点的无向图上,两个不同的人若互相认识,则在他们对应的结点之间连接一条无向边,并附上一个正数权值c,c越小,表示两个人之间的关系越密切。我们可以用对应结点之间的最短路长度来衡量两个人s和t之间的关系密切程度,注意到最短路径上的其他结点为s和t的联系提供了某种便利,即这些结点对于s和t之间的联系有一定的重要程度。我们可以通过统计经过一个结点v的最短路径的数目来衡量该结点在社交网络中的重要程度。考虑到两个结点A和B之间可能会有多条最短路径。我们修改重要程度的定义如下:令Cs,t表示从s到t的不同的最短路的数目,Cs,t(v)表示经过v从s到t的最短路的数目;则定义为结点v在社交网络中的重要程度。为了使I(v)和Cs,t(v)有意义,我们规定需要处理的社交网络都是连通的无向图,即任意两个结点之间都有一条有限长度的最短路径。现在给出这样一幅描述社交网络的加权无向图,请你求出每一个结点的重要程度。
Input

输入第一行有两个整数n和m,表示社交网络中结点和无向边的数目。在无向图中,我们将所有结点从1到n进行编号。接下来m行,每行用三个整数a,b,c描述一条连接结点a和b,权值为c的无向边。注意任意两个结点之间最多有一条无向边相连,无向图中也不会出现自环(即不存在一条无向边的两个端点是相同的结点)。n≤100;m≤4500 ,任意一条边的权值 c 是正整数,满足:1≤c≤1000。所有数据中保证给出的无向图连通,且任意两个结点之间的最短路径数目不超过 10^10
Output

输出包括n行,每行一个实数,精确到小数点后3位。第i行的实数表示结点i在社交网络中的重要程度。

Sample Input

4 4

1 2 1

2 3 1

3 4 1

4 1 1
Sample Output

1.000

1.000

1.000

1.000
HINT

社交网络如下图所示。

对于 1 号结点而言,只有 2 号到 4 号结点和 4 号到 2 号结点的最短路经过 1 号结点,而 2 号结点和 4 号结点之间的最短路又有 2 条。因而根据定义,1 号结点的重要程度计算为 1/2 + 1/2 = 1 。由于图的对称性,其他
三个结点的重要程度也都是 1 。
Source

题意:
求一个点在其他点对间的最短距离上出现的频率的和;
分析:
涉及到每次取走一个点,显然涉及到floyed特性,然后再分析一下可以知道,在第二次走floyed的时候,只要看一下在有其他点的情况下,这一个点是否可以存在在最短边上就行(这里容易卡在方案数统计上,其实要用乘法原理把两边走到当前点的方案数相乘),这个正确性可以很容易证明:若当前点在最短边上,则两边走过来的距离相加一定是最短距离(因为两边走过来的距离都是修改过的绝对最短距离,不会再更小了)

#include<iostream>
#include<cstdio>
#include<cstring>
#define clr(x) memset(x,31,sizeof(x))
using namespace std;
const int maxn=105;
int n,m,sta,fin,f[maxn][maxn];
double ans,cnt[maxn][maxn];
void init()
{
    scanf("%d %d",&n,&m);
    clr(f);
    for(int i=1;i<=m;i++){
        scanf("%d %d",&sta,&fin);
        scanf("%d",&f[sta][fin]);
        f[fin][sta]=f[sta][fin];
        cnt[sta][fin]=cnt[fin][sta]=1;
    }
    for(int i=1;i<=n;i++)f[i][i]=0; 
    for(int i=1;i<=n;i++)
        for(int j=1;j<=n;j++)
            for(int k=1;k<=n;k++){
                if(f[j][k]>f[j][i]+f[i][k]){
                    f[j][k]=f[j][i]+f[i][k];
                    cnt[j][k]=cnt[j][i]*cnt[i][k];
                }
                else if(f[j][k]==f[j][i]+f[i][k]&&i!=k&&i!=j)
                    cnt[j][k]+=cnt[j][i]*cnt[i][k];
        }
}
void work()
{
        for(int i=1;i<=n;i++){
          ans=0;
          for(int j=1;j<=n;j++)
            for(int k=1;k<=n;k++)
                if(f[j][k]==f[j][i]+f[i][k]&&i!=j&&i!=k&&j!=k)
                    ans+=(double)cnt[j][i]*cnt[i][k]/cnt[j][k];
                printf("%.3f\n",ans);
        }
}
int main()
{
    freopen("bzoj1491.in","r",stdin);
    freopen("bzoj1491.out","w",stdout);
    init();
    work();
    return 0;
}
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