BZOJ 1295: [SCOI2009]最长距离 枚举+SPFA水题

Description

windy有一块矩形土地,被分为 N*M 块 1*1 的小格子。 有的格子含有障碍物。 如果从格子A可以走到格子B,那么两个格子的距离就为两个格子中心的欧几里德距离。 如果从格子A不可以走到格子B,就没有距离。 如果格子X和格子Y有公共边,并且X和Y均不含有障碍物,就可以从X走到Y。 如果windy可以移走T块障碍物,求所有格子间的最大距离。 保证移走T块障碍物以后,至少有一个格子不含有障碍物。
Input

输入文件maxlength.in第一行包含三个整数,N M T。 接下来有N行,每行一个长度为M的字符串,’0’表示空格子,’1’表示该格子含有障碍物。
Output

输出文件maxlength.out包含一个浮点数,保留6位小数。
Sample Input
【输入样例一】

3 3 0

001

001

110

【输入样例二】

4 3 0

001

001

011

000

【输入样例三】

3 3 1

001

001

001

Sample Output
【输出样例一】

1.414214

【输出样例二】

3.605551

【输出样例三】

2.828427

HINT

20%的数据,满足 1 <= N,M <= 30 ; 0 <= T <= 0 。 40%的数据,满足 1 <= N,M <= 30 ; 0 <= T <= 2 。 100%的数据,满足 1 <= N,M <= 30 ; 0 <= T <= 30 。

解法:

水水更健康系列,直接枚举起点,spfa跑一下

//BZOJ 1295 spfa

#include <bits/stdc++.h>
using namespace std;

const int inf = 0x3f3f3f3f;
int mp[40][40];
char s[40];
int n, m, t;
double ans;
int inq[40][40], dis[40][40];
int dir[4][2]={{0,1},{0,-1},{1,0},{-1,0}};
struct node{int x, y;};
void spfa(int x, int y){
    memset(inq, 0, sizeof(inq));
    node now;
    now.x = x, now.y = y;
    for(int i=1; i<=n; i++){
        for(int j=1; j<=m; j++){
            dis[i][j]=inf;
        }
    }
    dis[x][y]=mp[x][y];
    queue<node>que;
    que.push(now);
    inq[x][y]=1;
    while(!que.empty()){
        now = que.front();
        que.pop();
        inq[now.x][now.y]=0;
        for(int i=0; i<4; i++){
            int tx = now.x+dir[i][0];
            int ty = now.y+dir[i][1];
            if(tx<1||tx>n) continue;
            if(ty<1||ty>m) continue;
            if(dis[tx][ty]>dis[now.x][now.y]+mp[tx][ty]){
                if(dis[now.x][now.y]+mp[tx][ty]>t) continue;
                dis[tx][ty]=dis[now.x][now.y]+mp[tx][ty];
                if(!inq[tx][ty]){
                    que.push(node{tx,ty});
                    inq[tx][ty]=1;
                }
            }
        }
    }
    double tmp=0;
    for(int i=1; i<=n; i++){
        for(int j=1; j<=m; j++){
            if(dis[i][j]<=t){
                tmp = max(tmp, sqrt((x-i)*(x-i)+(y-j)*(y-j)));
            }
        }
    }
    ans = max(ans, tmp);
}

int main(){
    scanf("%d%d%d", &n,&m,&t);
    for(int i=1; i<=n; i++){
        scanf("%s", s+1);
        for(int j=1; j<=m; j++){
            mp[i][j]=s[j]-'0';
        }
    }
    for(int i=1; i<=n; i++){
        for(int j=1; j<=m; j++){
            spfa(i, j);
        }
    }
    printf("%.6f\n", ans);
    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