PAT A1090 Highest Price in Supply Chain

PAT A1090 Highest Price in Supply Chain

在这里插入图片描述

Sample Input:

9 1.80 1.00
1 5 4 4 -1 4 5 3 6

Sample Output:

1.85 2
  • 分析:
    找最大深度的结点

  • 思路 1:
    DFS,每遍历到叶子结点
    1)判断深度是否比全局Max大,大则更新 -> Max最终存的即为最大深度;
    2)计数:如果 > Max,cnt重置为1,如果== Max,cnt++(这样只保留了,Max达到最大值以后,重复得路径数)

  • code 1:

#include <bits/stdc++.h>
using namespace std;
const int maxn = 100010;
int n;
double p, r;	//r比率 r%
vector<int> child[maxn];
int Max = 0, cnt = 0;	//!!!Wrong 1: cnt必须设为0,设为1出错了 -》 空树 
void DFS(int idex, int depth){
	if(child[idex].size() == 0){
		if(depth > Max){
			Max = depth;
			cnt = 1;	//有更大的cnt重置为1 
		}else if(depth == Max) cnt++;	//只有最大 且 dep相等的cnt被累加 并保留 
		return;
	}
	for(int i = 0; i < child[idex].size(); ++i){
		DFS(child[idex][i], depth+1);
	}
} 
int main(){
	scanf("%d %lf %lf", &n, &p, &r);
	r /= 100;
	int root, father;
	for(int i = 0; i < n; ++i){
		scanf("%d", &father);
		if(father == -1) root = i;
		else child[father].push_back(i); 
	}
	DFS(root, 0);
	double sale = p * pow(1+r, Max); 
	printf("%.2f %d\n", sale, cnt);
	return 0;
} 
  • T2 code:
#include <bits/stdc++.h>
using namespace std;
const int maxn = 100010;
vector<int> node[maxn];

int num = 0;
double Highest = 0.0;
void DFS(int id, double p, double r){
	if(node[id].size() == 0){
		double price =  p;
		if(price > Highest){
			Highest = price;
			num = 1;
		}else if(price == Highest){
			num++;
		}
		return;
	}
	for(int i = 0; i < node[id].size(); ++i){
		int nex = node[id][i];
		DFS(nex, p * r , r);
	}
}
int main(){
	int n, root;
	double p, r;
	scanf("%d %lf %lf", &n, &p, &r);
	for(int i = 0; i < n; ++i){
		int tmp;
		scanf("%d", &tmp);
		if(tmp == -1) root = i;
		else node[tmp].push_back(i);
	}
	DFS(root, p, r * 0.01 + 1);
	printf("%.2lf %d\n", Highest, num);
	return 0;
}
  • 思路: BFS

  • code:

#include <bits/stdc++.h>
using namespace std;
const int maxn = 100010;
vector<int> node[maxn];
double rate[maxn];
void BFS(int start, double p, double r, double & highest, int & cnt)
{
    rate[start] = p;
    queue<int> q;
    q.push(start);
    while(!q.empty())
    {
        int now = q.front();
        q.pop();
        if(node[now].size() == 0)
        {
            if(rate[now] > highest)
            {
                highest = rate[now];
                cnt = 1;
            }else if(rate[now] == highest)
            {
                cnt++;
            }
        }
        for(int i = 0; i < node[now].size(); ++i)
        {
            int nex = node[now][i];
            rate[nex] = rate[now] * (1.0 + r);
            q.push(nex);
        }
    }
}
int main()
{
    int n, root;
    double p, r;
    scanf("%d %lf %lf", &n, &p, &r);
    r /= 100.0;
    for(int i = 0; i < n; ++i)
    {
        int tmp;
        scanf("%d", &tmp);
        if(tmp != -1)
        {
            node[tmp].push_back(i);
        }else root = i;
    }
    double highest = 0;
    int cnt = 0;
    BFS(root, p, r, highest, cnt);
    printf("%.2f %d", highest, cnt);
    return 0;
}

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