CF553E Kyoya and Train
Kyoya and Train
一个有\(n\)个节点\(m\)条边的有向图,每条边连接了\(a_i\)和\(b_i\),花费为\(c_i\)。
每次经过某一条边就要花费该边的\(c_i\)。
第\(i\)条边耗时为\(j\)的概率为\(p_{i,j}\)。
现在你从\(1\)开始走到\(n\),如果你在\(t\)单位时间内(包括\(t\))到了\(n\),不需要任何额外花费,否则你要额外花费\(x\)。
问你在最优策略下的期望花费最小为多少。(注意你每走一步都会根据当前情况制定最好的下一步)
\(n\leq 50 ,m \leq 100, t\leq 20000, x\leq 10^6\)
毛啸论文

看别人的代码,我学会了怎么用线性的空间预处理单位根。
\]
而\(\frac{lim}{2step}\times i < \frac{lim}{2},i\in [0,step)\),所以预处理\(\omega^{\frac{2\pi}{lim}}\)的次幂即可。
co double pi=acos(-1);
struct node {double x,y;};
il node operator+(co node&a,co node&b){
return (node){a.x+b.x,a.y+b.y};
}
il node operator-(co node&a,co node&b){
return (node){a.x-b.x,a.y-b.y};
}
il node operator*(co node&a,co node&b){
return (node){a.x*b.x-a.y*b.y,a.x*b.y+a.y*b.x};
}
co int N=55,M=105,T=20005,S=1<<15;
int n,m,t,punish;
int a[M],b[M],c[M],dis[N][N];
double dp[N][T],sum[M][T],p[M][T];
int rev[S];
node w[S],A[S],B[S];
void fourier_trans(node a[],int lim){
for(int i=0;i<lim;++i)
if(i<rev[i]) swap(a[i],a[rev[i]]);
for(int step=1;step<lim;step<<=1){
int quot=lim/(step<<1);
for(int i=0;i<lim;i+=step<<1){
int j=i+step;
for(int k=0;k<step;++k){
node t=w[quot*k]*a[j+k];
a[j+k]=a[i+k]-t,a[i+k]=a[i+k]+t;
}
}
}
}
void solve(int l,int r){
if(l==r){
for(int e=1;e<=m;++e)
dp[a[e]][l]=min(dp[a[e]][l],sum[e][l]+c[e]);
return;
}
int mid=(l+r)>>1;
solve(mid+1,r);
int len=int(ceil(log2(r-mid+r-l-1))),lim=1<<len;
for(int i=0;i<lim;++i){
rev[i]=rev[i>>1]>>1|(i&1)<<(len-1);
w[i]=(node){cos(i*2*pi/lim),sin(i*2*pi/lim)};
}
for(int e=1;e<=m;++e){
for(int i=0;i<lim;++i)
A[i]=B[i]=(node){0,0};
for(int i=mid+1;i<=r;++i)
A[i-mid-1]=(node){dp[b[e]][i],0};
for(int i=1;i<=r-l;++i)
B[r-l-i]=(node){p[e][i],0};
fourier_trans(A,lim),fourier_trans(B,lim);
for(int i=0;i<lim;++i){
A[i]=A[i]*B[i];
w[i].y=-w[i].y;
}
fourier_trans(A,lim);
for(int i=0;i<lim;++i){
A[i].x/=lim;
w[i].y=-w[i].y;
}
for(int i=l;i<=mid;++i)
sum[e][i]+=A[i-mid-1+r-l].x;
}
solve(l,mid);
}
int main(){
scanf("%d%d%d%d",&n,&m,&t,&punish);
for(int i=1;i<=n;++i)
for(int j=1;j<=n;++j)
dis[i][j]=i==j?0:1e9;
for(int i=1;i<=m;++i){
scanf("%d%d%d",a+i,b+i,c+i);
dis[a[i]][b[i]]=min(dis[a[i]][b[i]],c[i]);
for(int j=1;j<=t;++j)
scanf("%lf",p[i]+j),p[i][j]/=100000;
}
for(int k=1;k<=n;++k)
for(int i=1;i<=n;++i)
for(int j=1;j<=n;++j)
dis[i][j]=min(dis[i][j],dis[i][k]+dis[k][j]);
for(int i=0;i<N;++i)
for(int j=0;j<T;++j)
dp[i][j]=1e9;
for(int i=1;i<=n;++i) dp[i][t+1]=punish+dis[i][n];
for(int i=0;i<=t;++i) dp[n][i]=0;
for(int e=1;e<=m;++e){
double P=0;
for(int i=1;i<=t;++i){
P+=p[e][t+1-i];
sum[e][i]=P*dp[b[e]][t+1];
}
}
solve(0,t);
printf("%lf\n",dp[1][0]);
return 0;
}
CF553E Kyoya and Train的更多相关文章
- 【CF553E】Kyoya and Train 最短路+cdq分治+FFT
[CF553E]Kyoya and Train 题意:有一张$n$个点到$m$条边的有向图,经过第i条边要花$c_i$元钱,经过第i条边有$p_{i,k}$的概率要耗时k分钟.你想从1走到n,但是如果 ...
- [Codeforces 553E]Kyoya and Train(期望DP+Floyd+分治FFT)
[Codeforces 553E]Kyoya and Train(期望DP+Floyd+分治FFT) 题面 给出一个\(n\)个点\(m\)条边的有向图(可能有环),走每条边需要支付一个价格\(c_i ...
- ●codeforces 553E Kyoya and Train
题链: http://codeforces.com/problemset/problem/623/E 题解: FFT,DP 题意: 一个有向图,给出每条边的起点u,终点v,费用c,以及花费每种时间的概 ...
- CodeForces 553E Kyoya and Train 动态规划 多项式 FFT 分治
原文链接http://www.cnblogs.com/zhouzhendong/p/8847145.html 题目传送门 - CodeForces 553E 题意 一个有$n$个节点$m$条边的有向图 ...
- 【codeforces 553E】 Kyoya and Train
http://codeforces.com/problemset/problem/553/E (题目链接) 艹尼玛,CF还卡劳资常数w(゚Д゚)w!!系统complex被卡TLE了T_T,劳资写了一天 ...
- CF 553E Kyoya and Train
题目分析 期望\(\text{dp}\). 设\(f_{i,j}\)表示在第\(j\)个时刻从\(i\)点出发,到达终点的期望花费. 有转移方程: \[ f_{x,t}=\min_{(x,y)\in ...
- Codeforces 553E Kyoya and Train
题目大意 链接:CF533E 给一张\(n\)个点,\(m\)条边的图,起点\(1\)终点\(n\),如果不能在\(T\)的时间内到达则需支付\(X\)的代价. 走每条边都会支付一定代价,经过一条边\ ...
- FFT/NTT复习笔记&多项式&生成函数学习笔记Ⅱ
因为垃圾电脑太卡了就重开了一个... 前传:多项式Ⅰ u1s1 我预感还会有Ⅲ 多项式基础操作: 例题: 26. CF438E The Child and Binary Tree 感觉这题作为第一题还 ...
- 多项式 之 快速傅里叶变换(FFT)/数论变换(NTT)/常用套路【入门】
原文链接https://www.cnblogs.com/zhouzhendong/p/Fast-Fourier-Transform.html 多项式 之 快速傅里叶变换(FFT)/数论变换(NTT)/ ...
随机推荐
- POJ 1014 Dividing(入门例题一)
Time Limit: 1000MS Memory Limit: 10000K Total Submissions: Accepted: Description Marsha and Bill own ...
- iOS @功能的部分实现思路
需求描述 1. 发布信息时,通过键盘键入@符号,或者点选相关功能键,唤醒@列表,进行选择 2.选择结束后,输入栏改色显示相关内容 3.删除时,整体删除@区块,且不能让光标落在@区块之间 实现步骤 1. ...
- docker+k8s基础篇四
Docker+K8s基础篇(四) pod控制器 A:pod控制器类型 ReplicaSet控制器 A:ReplicaSet控制器介绍 B:ReplicaSet控制器的使用 Deployment控制器 ...
- Create C/C++ DLLs in Visual Studio
https://docs.microsoft.com/zh-tw/cpp/build/dlls-in-visual-cpp?view=vs-2019 Walkthrough: Create and u ...
- c++中的不是数的数nan
matlab中经常碰到nan,inf等特殊“数”,而在C++中也有相应的表示:例如std::numeric_limits <float>::quiet_NaN ();可以得到浮点型的nan ...
- 《算法 - Lru算法》
一:概述 - LRU 用于管理缓存策略,其本身在 Linux/Redis/Mysql 中均有实现.只是实现方式不尽相同. - LRU 算法[Least recently used(最近最少使用)] - ...
- springmvc的注解配置
springmvc大大减少了对xml的配置,减少了配置量,以及可以在一个controller类中进行多个请求配置 一.springmvc配置 context:component-scan 开启包扫描, ...
- Linux07 查找文件(find、locate)
一.一般查找:find find PATH -name FILENAME 我们也可是使用 ‘*’ 通配符来模糊匹配要查找的文件名 二.数据库查找:locate locate FILENAME ...
- WEB前后端分离开发中的验证与安全问题
登录验证以及安全问题: 1.请求接口全部用post方式,在后端判断请求方式是否为post 2.登录密码等敏感信息要加密后传输,如用RSA(支付宝里可下载公私钥生成工具),客户端公钥加密,传到服务器后再 ...
- python with方法
在实际的编码过程中,有时有一些任务,需要事先做一些设置,事后做一些清理,这时就需要python with出场了,with能够对这样的需求进行一个比较优雅的处理,最常用的例子就是对访问文件的处理. 一般 ...