bzoj 4746 [Usaco2016 Dec]Lasers and Mirrors

本文介绍了一个关于激光路径优化的问题,需要利用最少数量的镜子将激光引导到目标位置。该问题可以通过广度优先搜索(BFS)算法解决,但由于坐标范围较大,需要进行离散化处理以简化计算。

Description
出于某种原因,农夫约翰的奶牛总是喜欢使用激光。奶牛们搞到了一个强大的激光发射器,它很重,所以不能移动
它的位置。奶牛想用它照射到约翰的谷仓的另一端。众所周知,光沿直线传播,所以必须通过镜子的反射来使光线
发生偏折。激光射出的方向只能是平行于x轴或y轴的。农场上有N(1<=N<=100000)个坑位于平面直角坐标系上的
不同点(和激光发射器的位置和目标点的位置也不相同)。奶牛可以把镜子安装在坑里(当然也可以不安)。镜子
可以摆成“/”或者“\”。由物理知识可以知道,一道平行于x轴的光射到镜子上一定会平行于y轴射出,平行于y
轴的光一定会平行于x轴射出。现在给你激光发射器的坐标、目标点的坐标和所有坑的坐标,请你用最少的镜子来
实现奶牛的梦想。

第一行包含5个正整数,分别是N,x1,y1,x2,y2,N的意义如题所述,(x1,y1)为激光发射器的坐标,(x2,y2)为目标点的坐标。
0<=x1,y1,x2,y2<=1,000,000,000
接下来N行,每行两个整数x,y表示坑的坐标。
0<=x,y<=1,000,000,000

最少安装多少个镜子。如果无论怎样都无法完成,输出-1。

Sample Input
4 0 0 7 2
3 2
0 2
1 6
3 0
Sample Output
1

Solution

其实是很赤裸裸的bfs,但坐标的大小增加了离散化等操作,就变得有点繁琐了
bzojAC300题纪念(尽管一大半是usaco水题)

#include<cstdio>
#include<cstring>
#include<iostream>
#include<algorithm>
using namespace std;
int n,t,w,xl,yl,xb,yb,len,now,tot;
int Next[100005],to[100005],id[100005],head[100005];
int Head[100005],To[100005],Id[100005],NEXT[100005];
int x[100005],y[100005],z[100005],p1[100005],p2[100005],p[100005];
struct ty
{
    int x,y,v,id;
}q[100005],a[100005];
void add(int x,int y,int z)
{
    tot++;
    Next[tot]=head[x];
    to[tot]=y;
    id[tot]=z;
    head[x]=tot;
    NEXT[tot]=Head[y];
    To[tot]=x;
    Id[tot]=z;
    Head[y]=tot;
}
bool cmp(ty x,ty y)
{
    return x.v<y.v;
}
void prepare()
{
    cin>>n>>xl>>yl>>xb>>yb;
    for(int i=1;i<=n;i++) scanf("%d%d",&q[i].x,&q[i].y);
    q[n+1].x=xb;q[n+1].y=yb;
    q[n+2].x=xl;q[n+2].y=yl;
    a[0].v=-1e9;
    for(int i=1;i<=n+2;i++) 
    {
        len++;
        a[len].v=q[i].x;
        a[len].id=i;
    }
    sort(a+1,a+len+1,cmp);
    now=0;
    for(int i=1;i<=len;i++) 
    {
        if(a[i].v!=a[i-1].v) now++;
        q[a[i].id].x=now;
    }
    len=0;
    for(int i=1;i<=n+2;i++) 
    {
        len++;
        a[len].v=q[i].y;
        a[len].id=i;
    }
    sort(a+1,a+len+1,cmp);
    now=0;
    for(int i=1;i<=len;i++) 
    {
        if(a[i].v!=a[i-1].v) now++;
        q[a[i].id].y=now;
    }
    for(int i=1;i<=n+1;i++) add(q[i].x,q[i].y,i);
}   
int main()
{
    prepare();
    x[1]=q[n+2].x;
    y[1]=q[n+2].y;
    z[1]=0;
    t=0;w=1;
    while(t<w) 
    {
        t++;
        if(x[t]==q[n+1].x&&y[t]==q[n+1].y) 
        {
            cout<<z[t]-1;
            return 0;
        }
        if(p1[x[t]]==0) 
        {
            for(int i=head[x[t]];i!=0;i=Next[i]) 
            {
                if(p[id[i]]==0) 
                {
                    w++;
                    x[w]=x[t];
                    y[w]=to[i];
                    z[w]=z[t]+1;
                    p[id[i]]=1;
                }
            }
            p1[x[t]]=1;
        }
        if(p2[y[t]]==0) 
        {
            for(int i=Head[y[t]];i!=0;i=NEXT[i]) 
            {
                if(p[Id[i]]==0) 
                {
                    w++;
                    x[w]=To[i];
                    y[w]=y[t];
                    z[w]=z[t]+1;
                    p[id[i]]=1;
                }
            }
            p2[y[t]]=1;
        }
    }
    cout<<"-1";
    return 0;
}

过了这么久才积累到300题,而我的男神lwq12138从他第一次提交到最后一次提交,总共252天,AC626题,平均每天两道半。这是何等的毅力!Orz。。。

### BZOJ1728 Two-Headed Cows (双头牛) 的解题思路 #### 题目概述 BZOJ1728 是一道经典的图论问题,题目描述了一群双头牛之间的关系网络。每只双头牛可以看作是一个节点,而它们的关系则构成了边。目标是从这些关系中找出满足特定条件的最大子集。 此问题的核心在于利用 **二分查找** 和 **染色法** 来验证是否存在符合条件的子图结构[^1]。 --- #### 解题核心概念 ##### 1. 图模型构建 该问题可以通过无向图建模,其中每个顶点代表一只双头牛,边表示两只双头牛之间存在某种关联。最终的目标是在这个图中找到最大的独立集合(Independent Set),即任意两个顶点都不相连的一组顶点[^2]。 ##### 2. 二分查找的应用 为了高效求解最大独立集大小 \( k \),采用二分策略来逐步逼近最优解。具体来说,在区间 [0, n] 中通过不断调整上下界寻找可能的最大值 \( k \)[^3]。 ##### 3. 染色法验证可行性 对于当前假设的最大独立集大小 \( mid \),尝试从原图中选取恰好 \( mid \) 个顶点构成候选集合,并检查其是否形成合法的独立集。这一过程通常借助 BFS 或 DFS 实现,同时配合颜色标记技术区分已访问状态以及检测冲突情况[^4]。 以下是基于 Python 的伪代码实现: ```python from collections import deque def bfs_coloring(graph, start_node): queue = deque() color_map = {} # 初始化起点的颜色为 0 color_map[start_node] = 0 queue.append(start_node) while queue: current = queue.popleft() for neighbor in graph[current]: if neighbor not in color_map: # 给邻居分配相反的颜色 color_map[neighbor] = 1 - color_map[current] queue.append(neighbor) elif color_map[neighbor] == color_map[current]: return False # 如果发现相邻节点有相同颜色,则无法完成有效染色 return True def is_possible_to_select_k(graph, nodes_count, target_size): from itertools import combinations all_nodes = list(range(nodes_count)) possible_combinations = combinations(all_nodes, target_size) for subset in possible_combinations: subgraph = {node: [] for node in subset} valid_subset = True for u in subset: for v in graph[u]: if v in subset and v != u: subgraph[u].append(v) # 对子图进行染色测试 colors_used = set() coloring_success = True for node in subset: if node not in colors_used: success = bfs_coloring(subgraph, node) if not success: coloring_success = False break if coloring_success: return True # 找到一个有效的组合即可返回成功标志 return False def binary_search_max_independent_set(graph, total_nodes): low, high = 0, total_nodes best_result = 0 while low <= high: mid = (low + high) // 2 if is_possible_to_select_k(graph, total_nodes, mid): best_result = mid low = mid + 1 else: high = mid - 1 return best_result ``` --- #### 复杂度分析 上述算法的时间复杂度主要取决于以下几个方面: - 枚举所有可能的子集规模:\( O(\binom{n}{k}) \), 其中 \( k \) 表示当前试探的独立集大小。 - 子图构造染色检验操作:每次调用 `bfs_coloring` 函数需遍历整个子图,最坏情况下时间开销接近线性级别 \( O(k^2) \). 综合来看整体效率较高但仍有优化空间[^5]. --- #### 总结 通过对 BZOJ1728 进行深入剖析可知,合理运用二分加染色的方法能够显著提升解决问题的能力。这种方法不仅适用于本题场景下寻找最大独立集的任务需求,同时也可推广至其他相似类型的 NP 完全难题处理之中[^6]。 ---
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