【搞笑算法小合集】单纯形、模拟退火、FFT

小小地记一下CTSC酱油赛可能得到的一些搞笑算法，提交答案题可以拿来乱搞一下

 

单纯形：

这是用来搞线性规划的一种神器，因为很多东西归约之后都可以用线性规划做，所以这个算法应用面还是比较广的吧

具体做法参考算导吧，讲的非常详细

这里记一些我的理解

核心操作是pivot(i, j)表示用j方程中i变量作为换出变量，j方程的松弛变量作为换入变量对所有方程“消一次”。

代码如下：

procedure pivot(i,j:longint); var k,l,p:longint; begin   k:=b[i];b[i]:=b[j+n+1];b[j+n+1]:=k;   z:=-1/a[j,i];   c[0]:=0; // you hua   for l:=0 to n+1 do begin     if abs(a[j,l])>e then begin       inc(c[0]);c[c[0]]:=l;     end;     a[j,l]:=a[j,l]*z;   end;   a[j,i]:=-z;   for k:=0 to t do if (k<>j)and(abs(a[k,i])>e) then begin     z:=a[k,i];     for l:=1 to c[0] do       a[k,c[l]]:=a[k,c[l]]+a[j,c[l]]*z;     a[k,i]:=a[j,i]*z; //!! *z   end; end;

   每次找个目标函数中系数为正的卡的最紧的变量去消

   B数组表示每个变量现在“在哪里”

   基本初始解不可行的解决办法：（有些方程的常数 < 0）

   设置一个x0，并在每个方程后加一个x0，x0是基本变量（隐含x0 >= 0）

   然后选一个常数负的最多的方程i，调用pivot(x0, i)一遍，然后就会发现所有的常数都正了！

   接着，由于实际上x0不能对原线性规划造成影响，所以x0应该要 = 0，那就先弄一个目标函数为最大化 –x0即可，若最后的目标式最大化后的结果为0，那就对了，否则就无解

   通过这样一个过程（先跑一遍线性规划），就能得到一组基本可行解，然后再该干嘛干嘛

   本题的话，只要一组可行解就够了，所以只要这样就够了

   另外，简单提一下元素不满足非负性限制的解决办法，就是将每个变量x1拆成两个，记为x1’和x1’’，原来的x1替换为x1’ – x1’’，同时规定x1’和x1’’都具有非负性限制，这样就是等价的转化了

主程序调用

j:=0;   a[0,n+1]:=-1;   for i:=1 to t do begin     a[i,n+1]:=1;     if a[i,0]<a[j,0] then j:=i;   end;   for i:=1 to n+t+1 do b[i]:=i;   pivot(n+1,j);   while true do begin     for i:=1 to n+1 do       if a[0,i]>e then         break;     if a[0,i]<e then break;     z:=1e30;     for j:=1 to t do       if (a[j,i]<-e)and(-a[j,0]/a[j,i]<z) then begin         z:=-a[j,0]/a[j,i];k:=j;       end;     if z>1e29 then break;     pivot(i,k);   end; //  if abs(a[0,0])>e then writeln('fuckly!');   for i:=1 to t do     if b[i+n+1]<=n then       ans[b[i+n+1]]:=a[i,0];   for i:=1 to n do writeln(ans[i]:0:6);

 

还有一些转化的技巧，算导上都讲的很好，这里不赘述了

 

模拟退火：

经典非完美算法，编程复杂度低，性价比很不错的算法

虽然这个算法基本上是乱来，但还是有几个技巧的

第一个是顾研牛论文里讲的，以e^(-估价函数改进量/温度)的概率接受较劣解，但这个不绝对，有的题可能直接不接受较劣解会比较好，这种情况下模拟退火退化为随机化调整

还有一个是在每个温度上枚举时，枚举的次数不一定是一个常数，可以是关于温度的函数，也可以设置一个“失败常数”，即只允许出现这个“失败常数次”较劣解

另外，就是利用linux系统能分屏工作的特点，早早地让一个退火程序一直跑着，然后在另一个工作区做别的题，骗分做题两不误

还有一点，温度每次缩多少是有讲究的

 

FFT：

O(nlogn)的高精乘法，需要用到一大堆数论知识，虽然这个算法本身在竞赛中可能不怎么会考，但涉及到的很多数论知识都还是有用的，比方说原根什么的

只是，这个算法我暂时还不会-_-!

 

ps：不知道北京有没有长沙热~