hdu 4781 Beautiful Soup 构造

并不是很难的一个构造,我在比赛的时候把题目读错了,补题的时候想得比较粗糙,迟迟没过这题,之后想法慢慢细致起来,还是将这题过了。

#include<iostream>
#include<cstdio>
#include<cstring>
#include<cstdlib>
#include<algorithm>
#define REP(i,a,b) for(int i=a;i<=b;i++)
#define MS0(a) memset(a,0,sizeof(a))

using namespace std;

typedef long long ll;
const int maxn=1000100;
const int INF=1e9+10;

int n,m;
struct Edge
{
    int u,v,w;
    friend bool operator<(Edge A,Edge B)
    {
        return A.w<B.w;
    }
};Edge ans[maxn];int ansn;
int flag;
int cur;
int e[120][120];
bool vis[120][120];
bool used[maxn];

void putA()
{
    REP(i,1,n) REP(j,1,n) e[i][j]=i==j?0:INF;
    ansn=0;
    MS0(vis);MS0(used);
    int sum=0;
    int cur=4;
    int finish=0;
    REP(i,1,n-1){
        if(cur>m){
            finish=1;
            cur=3;
        }
        int j=i+1;
        e[i][j]=cur;
        vis[i][j]=vis[j][i]=1;
        used[cur]=1;
        ans[++ansn]={i,j,cur};
        sum+=cur;
        if(finish) cur+=3;
        else if(i%2) cur++;
        else cur+=2;
    }
    REP(i,1,m){
        if(used[i]) continue;
        if((sum+i)%3==0){
            used[i]=1;
            vis[n][1]=vis[1][n]=1;
            e[n][1]=i;
            ans[++ansn]={n,1,i};
            sum+=i;
            break;
        }
    }
    if(sum%3) flag=-1;
}

void floyd()
{
    REP(k,1,n){
        REP(i,1,n){
            //if(k==i) continue;
            REP(j,1,n){
                //if(j==k||j==i) continue;
                if(e[i][k]+e[k][j]<e[i][j]) e[i][j]=e[i][k]+e[k][j];
            }
        }
    }
}

void putB()
{
    //REP(i,1,n) if(e[i][i%n+1]==INF) cout<<"i="<<i<<" j="<<i%n+1<<" e="<<e[i][i%n+1]<<endl;
    floyd();
    /*
    REP(i,1,n) REP(j,1,n){
        if(e[i][j]==INF) cout<<"i="<<i<<"j="<<j<<" e="<<e[i][j]<<endl;
    }
    */
    REP(i,1,m){
        if(used[i]) continue;
        int tag=0;
        REP(j,1,n){
            REP(k,1,n){
                //if(i==6&&j!=k) cout<<e[j][k]<<" "<<j<<" "<<k<<" "<<vis[j][k]<<endl;
                if(j==k||vis[j][k]||e[j][k]%3!=i%3) continue;
                used[i]=1;
                vis[j][k]=vis[k][j]=1;
                ans[++ansn]={j,k,i};
                tag=1;break;
            }
            if(tag) break;
        }
    }
    //REP(i,1,m) cout<<used[i]<<" ";cout<<endl;
    REP(i,1,m) if(!used[i]) flag=-1;
}

int main()
{
    #ifndef ONLINE_JUDGE
        freopen("in.txt","r",stdin);
    #endif // ONLINE_JUDGE
    int T;cin>>T;int casen=1;
    while(T--){
        scanf("%d%d",&n,&m);
        flag=0;
        putA();
        if(~flag) putB();
        printf("Case #%d:\n",casen++);
        if(flag==-1) puts("-1");
        else{
            sort(ans+1,ans+ansn+1);
            REP(i,1,ansn) printf("%d %d %d\n",ans[i].u,ans[i].v,ans[i].w);
        }
    }
    return 0;
}
/**
7
6 8
5 8
6 9
6 8
10 13
10 14
7 11
4
10 13
10 14
80 83
80 974

*/
View Code

 

转载于:https://www.cnblogs.com/--560/p/5259359.html

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