首页 > 其他分享 >P1038 [NOIP2003 提高组] 神经网络

P1038 [NOIP2003 提高组] 神经网络

时间:2024-07-06 17:55:30浏览次数:18  
标签:P1038 return NOIP2003 队列 拓扑 神经网络 vis flag 代码

讲解区
下面分几部分再详解一下这道题

1.读入+处理
注意,因为这是一个拓扑的题
所以我们拓展点的时候要借助队列
那如何发挥队列的用处呢?

由题意,只有最初状态为1的点才会往后传递
我们完全可以在读入的时候就把上述点push进队列中

楼上大佬也证明过了,阈值u(我的代码中是x)可以一开始直接减掉,我就不再赘述了。

​
scanf("%d%d",&n,&m);
for(i=1;i<=n;++i)
{
    hd[i]=0;out[i]=false;
    scanf("%d%d",&c[i],&x);
    if(c[i])
     {q.push(i);vis[i]=true;}
    else
     {c[i]-=x;vis[i]=false;}
}
注:hd数组即邻接表中的head;out表示这个点是否有出边,没有的话就是最后一层,这里后面会用到

vis数组表示点是否入过队,防止重复
2.建图(有向图)
for(i=1;i<=m;++i)
{
    scanf("%d%d%d",&u,&v,&w);
    build(u,v,w);
    out[u]=true;
}
out数组上面提到过了

这个build多了一点小东西

 void build(int u,int v,int w)
 {
     cnt++;
     e[cnt].to=v;
     e[cnt].val=w;
     e[cnt].from=u;//没错就是这里
     e[cnt].next=hd[u];
     hd[u]=cnt;
 }
from是干啥用的呢?

​

每个点(神经)传递信息的时候,我们要判断这条边的起点是否能传递

于是我用了个from来存这个起点的状态

upd on 2020.02.02:from其实不用哒,我们在队列中取出的front就是每次前向星遍历的from!

3.拓扑处理(核心部分)
上面我已经说过了,用队列来维护拓扑序列。
这个地方我写的比较明白,具体注释放代码里了,往下看吧

 

while(!q.empty())
{
    h=q.front();q.pop();
    for(i=hd[h];i;i=e[i].next)
    {
        if(c[e[i].from]<=0) continue;
      t=e[i].to;//t记录该边终点
        c[t]+=(e[i].val*c[h]);//题目里的求和公式就是这个意思,终点值+=起点值*边权
        if(!vis[t])
        {
            q.push(t);
            vis[t]=true;
        }
    }
}


到这里有大佬已经看出来了,我好像没用“入度”这个数组来进行拓扑排序啊
没错,这个题确实没用……
因为我们只需要统计输出层
也就是没有出边的点
upd on 2020.02.02,这一部分也有更新,具体看最下方新版代码

4.记录答案
 

for(i=1;i<=n;i++)
 if(!out[i]&&c[i]>0)
  {printf("%d %d\n",i,c[i]);flag=1;}
if(!flag) {puts("NULL");return 0;}

我突然发现,我当时好菜啊……
几位大佬用的优先队列,按照编号重载运算符之后输出
受启发我用了结构体+排序输出的最后ans,but in fact……完全没必要啊……
我们只需要for循环从小到大找,越靠前找到的合法输出层就是编号越小的啊……符合题意。直接输出就好了……
5.return 0;完结撒花❀
最后再bb一句
啊不是
总结一下
1.关于拓扑排序输入的时候可以干很多事,比如说预处理vis,元素入队等等,这道题还直接减去了阈值
2.build的时候不要太死板打板子,这道题中加一个from有助于后续操作
3.拓扑排序不一定都要用入度的,某些特定情况下可以用一些别的方法实现拓扑
4.(这好像是句废话)存某些信息的时候不一定要用高级数据结构,数组大法好!

看在我写了这么多而且代码和这么好懂的份上求管理大大通过吧QAQ

补充:楼上几位大佬的程序真的很难懂(现在我是二楼了hhhh),也没有讲解核心代码,希望管理员能通过这篇题解谢谢啦

分割线

update on 2020.02.02.20:20 (千年难遇的大回文日期)
当时写这篇题解的时候算是初学者,对图论,拓扑理解都不是很深,题目中一些概念也没太弄明白。一年以后的现在,通过这一年的磨练,以及评论区大佬们的指导,更新一份新的AC代码,更简洁明了。思路和上面讲解一样。

所以我上面说了吗,不要急着抄代码嘛,下面有更短的咳咳

下面奉上AC代码plus:

#include<queue>
#include<cstdio>
#include<algorithm>
#define N 101
using namespace std;
struct edge{
    int to,val,nxt;
} e[N*N];
struct answer{
    int id,val;
} ans[N];
int h,i,m,n,t,u,v,w,U,c[N],hd[N],out[N],vis[N];
queue <int> q;
int cnt=0,flag=0;
 inline bool cmp(answer aa,answer bb)
  {return aa.id<bb.id;}
 inline void build(int u,int v,int w)
 {
     cnt++;
     e[cnt].to=v;
     e[cnt].val=w;
     e[cnt].nxt=hd[u];
     hd[u]=cnt;
 }
int main()
{
    scanf("%d%d",&n,&m);
    for(i=1;i<=n;i++)
    {
        vis[i]=out[i]=0;
        scanf("%d%d",&c[i],&U);
        //这里不可以直接减,初始层也有可能有阈值,但不能减去.(题目要求)
        if(c[i]>0)
         {q.push(i);vis[i]=1;}//vis表示是否已入过队
        else c[i]-=U;
    }
    for(i=1;i<=m;i++)
    {
        scanf("%d%d%d",&u,&v,&w);
        build(u,v,w);
        out[u]=1;//out表示有无出边,用于最后找输出层
    }
    while(!q.empty())
    {
        h=q.front();q.pop();
        if(c[h]<=0) continue;
        for(i=hd[h];i;i=e[i].nxt)
        {
            t=e[i].to;
            c[t]+=e[i].val*c[h];
            if(!vis[t])
            {
                q.push(t);
                vis[t]=1;
            }
        }
    }
    for(i=1;i<=n;i++)
     if(!out[i]&&c[i]>0)
      {printf("%d %d\n",i,c[i]);flag=1;}
    if(!flag) {puts("NULL");return 0;}
    return 0;
}

标签:P1038,return,NOIP2003,队列,拓扑,神经网络,vis,flag,代码
From: https://blog.csdn.net/xxyrcgtzbh554488/article/details/140233122

相关文章

  • 【matlab】分类回归——智能优化算法优化径向基神经网络
    径向基(RadialBasisFunction,RBF)神经网络一、基本概念径向基函数(RBF):是一个取值仅仅依赖于离原点(或某一中心点)距离的实值函数。在RBF神经网络中,最常用的径向基函数是高斯核函数,其形式为:其中,x​为核函数中心,σ为函数的宽度参数(或方差),控制了函数的径向作用范围。二、网络结......
  • 动手学深度学习(Pytorch版)代码实践 -循环神经网络-54~55循环神经网络的从零开始实现和
    54循环神经网络的从零开始实现importmathimporttorchfromtorchimportnnfromtorch.nnimportfunctionalasFfromd2limporttorchasd2limportmatplotlib.pyplotaspltimportliliPytorchaslp#读取H.G.Wells的时光机器数据集batch_size,num_steps......
  • 机器学习之神经网络
    简介神经网络(NeuralNetwork)是一种模仿人类大脑的机器学习算法,由一系列相互连接的神经元组成。它能够自动学习数据的特征和规律,并对新的输入数据进行预测和分类。神经网络作为一种模仿生物大脑机制的机器学习算法,其产生和发展主要源于以下几个方面的背景:对人脑认知......
  • 实现胶囊神经网络,识别手写MNIST数据集,谈谈实现及理解。
    ......
  • Python基于卷积神经网络分类模型(CNN分类算法)实现时装类别识别项目实战
    说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取。1.项目背景在深度学习领域,卷积神经网络(ConvolutionalNeuralNetworks,CNNs)因其在图像识别和分类任务上的卓越表现而备受关注。CNNs能够自动检测图像中的特......
  • Python实现ABC人工蜂群优化算法优化循环神经网络分类模型(LSTM分类算法)项目实战
    说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取。1.项目背景人工蜂群算法(ArtificialBeeColony,ABC)是由Karaboga于2005年提出的一种新颖的基于群智能的全局优化算法,其直观背景来源于蜂群的采蜜行为,蜜蜂根......
  • 【教程】一步一步构建一个RBF神经网络-详细解说
    本文来自《老饼讲解-BP神经网络》https://www.bbbdata.com/目录一、什么是RBF神经网络1.1.RBF神经网络介绍二、matlab实现RBF神经网络2.1.matlab实现RBF代码示例2.2.代码解说一、什么是RBF神经网络1.1.RBF神经网络介绍RBF神经网络是指使用RBF作为激活函数......
  • 手写数字识别-使用TensorFlow构建和训练一个简单的神经网络
    下面是一个具体的Python代码示例,展示如何使用TensorFlow实现一个简单的神经网络来解决手写数字识别问题(使用MNIST数据集)。以下是一个完整的Python代码示例,展示如何使用TensorFlow构建和训练一个简单的神经网络来进行手写数字识别。MNIST数据集的训练集有60000个样本:Python代码i......
  • 脉冲神经网络(Spiking Neural Network,SNN)相关论文最新推荐(一)
    用稀疏代理梯度直接训练时态脉冲神经网络论文链接:www.sciencedirect.comBenchmarkingArtificialNeuralNetworkArchitecturesforHigh-PerformanceSpikingNeuralNetworks论文链接:www.mdpi.comHierarchicalspikingneuralnetworkauditoryfeaturebaseddry-typet......
  • 实现第一个神经网络
    PyTorch包含创建和实现神经网络的特殊功能。在本节实验中,将创建一个简单的神经网络,其中一个隐藏层开发一个输出单元。通过以下步骤使用PyTorch实现第一个神经网络。第1步首先,需要使用以下命令导入PyTorch库。In [1]:import torchimport torch.nnas nn第2步定......