线性扫描之Wasserstein

链接: https://www.nowcoder.com/acm/contest/91/A
来源:牛客网

时间限制:C/C++ 1秒,其他语言2秒
空间限制:C/C++ 131072K,其他语言262144K
64bit IO Format: %lld

题目描述

最近对抗生成网络(GAN)很火,其中有一种变体WGAN,引入了一种新的距离来提高生成图片的质量。这个距离就是Wasserstein距离,又名铲土距离。
这个问题可以描述如下:


有两堆泥土,每一堆有n个位置,标号从1~n。第一堆泥土的第i个位置有a i克泥土,第二堆泥土的第i个位置有b i克泥土。小埃可以在第一堆泥土中任意移挪动泥土,具体地从第i个位置移动k克泥土到第j个位置,但是会消耗 的体力。小埃的最终目的是通过在第一堆中挪动泥土,使得第一堆泥土最终的形态和第二堆相同,也就是a i=b i (1<=i<=n), 但是要求所花费的体力最小

左图为第一堆泥土的初始形态,右图为第二堆泥土的初始形态,颜色代表了一种可行的移动方案,使得第一堆泥土的形态变成第二堆泥土的形态


输入描述:

输入测试组数T,每组测试数据,第一行输入n,1<=n<=100000,紧接着输入两行,每行n个整数,前一行为a1, a2,…,an,后一行为b1,b2,…,bn.其中0<=ai,bi<=100000,1<=i<=n,数据保证 

输出描述:

对于每组数据,输出一行,将a土堆的形态变成b土堆的形态所需要花费的最小体力
#include<cstdio>
#include<cmath>
#include<vector>
using namespace std;
/*
 * 线性扫描一次即可。
 * 不一定非得只移动A堆。
 * */
vector<int> a;
vector<int> b;
int main()
{
   int t,n,temp;
   long long ans;
   long long sum;
   scanf("%d",&t);
   while (t--) {
       a.clear();
       b.clear();
       ans=0;
     scanf("%d",&n);
      for(int i=0;i<n;i++)
      {
             scanf("%d",&temp);
             a.push_back(temp);
      }
      for(int i=0;i<n;i++)
      {
             scanf("%d",&temp);
             b.push_back(temp);
            if(i>0){
                if(a[i-1]>b[i-1]){
                    sum=(a[i-1]-b[i-1]);
                    a[i]+=sum;
                    ans+=sum;
                }
                else{
                    sum=(b[i-1]-a[i-1]);
                    b[i]+=sum;
                    ans+=sum;
                }
            }
      }
      printf("%lld\n",ans);
   }
    return 0;
}

### 回答1: Wasserstein,也被称为Earth Mover's Distance (EMD),是一种衡量两个概率分布间距离的方法。它的基本思想是将一个分布视为一堆土或沙子,另一个分布视为需要将这些土或沙子移动到的目标位置。Wasserstein距离就是将一个分布转换为另一个分布所需的最小成本,其中成本是指每单位质量在空间中移动的代价。Wasserstein距离具有良好的数学性质,因此在机器学习、计算机视觉和自然语言处理等领域得到了广泛的应用。 ### 回答2: Wasserstein是一种数学衡量方式,也称为Wasserstein度量,用于衡量两个概率分布之间的距离。它在数理统计、机器学习和经济学等领域中被广泛应用。 Wasserstein度量是基于传输问题(transportation problem)的概念而发展起来的。它通过计算将一个概率分布转化为另一个概率分布所需的最小运输成本来度量它们之间的距离。这个运输成本被定义为每单位质量移动的距离与移动的质量之积的总和。 与其他常用的距离度量方法(如欧氏距离、KL散度等)相比,Wasserstein度量能够捕捉到概率分布之间更多的结构信息。由于它考虑了具体的分布形状和概率质量的移动,能够更好地处理多模态分布、长尾分布等复杂情况。 Wasserstein度量在数据生成模型、生成对抗网络(GAN)等领域中得到广泛应用。在GAN中,生成器和判别器之间的距离可以通过Wasserstein度量来衡量。这种度量方式有助于生成更真实的样本,并提高了GAN的稳定性。 另外,Wasserstein度量不仅可应用于概率分布的距离度量,而且还可以应用于图像领域中两个图像之间的差异度量。它可以用于图像生成、图像复原、图像配准等任务。 总的来说,Wasserstein度量通过计算概率分布之间的最小运输成本,提供了一种有力的距离度量方法,可以在多个领域中应用于概率分布、图像等的分析和处理。
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