Connections between cities(bfs的倍增+数组)

本文介绍了一种使用图算法解决LCA(最近公共祖先)问题的方法,通过深度优先搜索(DFS)预处理和跳跃指针技术加速查询过程。文章详细展示了如何构建图结构,进行广度优先搜索(BFS),并利用LCA算法解决路径长度计算问题。

看题解的时候看到一个优秀的思想:用一个数组标记每个点所属数号,如果两个点不是同一个数号, 就证明两点不能达。

#include<iostream>
#include<cstdio>
#include<algorithm>
#include<cstring>
#include<queue>
const int maxn = 1e4+20;
using namespace std;

int n,m,c,cnt,head[maxn],deep[maxn],dis[maxn],vis[maxn],cas,fa[maxn][30];
struct node{
    int to;
    int next;
    int w;
}e[maxn<<1];

void init(){
    cnt = 0;
    cas = 0;
    memset(vis,0,sizeof(vis));
    memset(deep,0,sizeof(deep));
    memset(dis,0,sizeof(dis));
    memset(head,-1,sizeof(head));
}

void addedge(int u,int v,int w){
    e[cnt].to = v;
    e[cnt].next = head[u];
    e[cnt].w = w;
    head[u] = cnt++;
}

void bfs(int root){
    queue<int>q;
    dis[root] = 0; deep[root] = 0; fa[root][0] = 0;
    vis[root] = cas;
    q.push(root);
    while(!q.empty()){
        int u = q.front(); q.pop();
        for(int i = 1 ; i < 20 ; i++)   fa[u][i] = fa[fa[u][i-1]][i-1];
        for(int i = head[u] ; ~i ; i = e[i].next){
            int v = e[i].to;
            if(fa[u][0] == v)   continue;
            deep[v] = deep[u] + 1;
            dis[v] = dis[u] + e[i].w;
            vis[v] = cas;
            fa[v][0] = u;
            q.push(v);
        }
    }
}

int LCA(int x,int y){
    if(deep[x] < deep[y])   swap(x,y);
    for(int i = 19 ; i >= 0 ; i--)
        if(deep[x] - (1<<i) >= deep[y])
            x = fa[x][i];
    if(x == y)  return x;
    for(int i = 19 ; i >= 0 ; i--){
        if(fa[x][i] != fa[y][i]){
            x = fa[x][i];
            y = fa[y][i];
        }
    }
//    for(int i = 19 ; i >=0 ; i--)
//    if(fa[x][i] != fa[y][i]){
//
//    }
    return fa[x][0];
}

int main(){
    while(~scanf("%d%d%d",&n,&m,&c)){
        int u,v,w;
        init();
        for(int i = 0; i < m ; i++){
            scanf("%d%d%d",&u,&v,&w);
            addedge(u,v,w);
            addedge(v,u,w);
        }
        for(int i = 1; i <= n ; i++){
            if(!vis[i]){
                cas++;
                bfs(i);
            }
        }
//        for(int i = 1; i <= n ; i++){
//            printf("%d ",vis[i]);
//        }
//        printf("\n\n");
        for(int i = 1 ; i <= c ;i++){
            scanf("%d%d",&u,&v);
            if(vis[u] != vis[v])    printf("Not connected\n");
            else printf("%d\n",dis[u]+dis[v]-2*dis[LCA(u,v)]);
        }
    }
    return 0;
}


/*
5 1 5
1 5 2
1 5
4 5
1 3
2 4
1 4
*/
内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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