NOJ——[1579] 小青蛙找妈妈

通过Dijkstra算法变形解决青蛙寻找妈妈过程中所需的最小跳跃距离问题,文章介绍了一个具体的编程实现案例。
  • 时间限制: 1000 ms 内存限制: 65535 K
  • 问题描述
  • 小青蛙和他的妈妈走散了,怎么办呢?小青蛙好着急阿,他就在荷叶上跳来跳去找他的妈妈呀,妈妈,妈妈,你在哪儿?妈妈说,我在这儿呀。你快过来。
    小青蛙太小了,他的弹跳能力实在太低了,我们必须找到一条路,让他能够最轻松跳过去。妈妈在位置1 ,而小青蛙在位置2.
    青蛙只能在荷叶上跳来跳去,我们需要知道小青蛙至少需要多少跳远能力才能够到妈妈那儿去呢?
  • 输入
  • 第一行有一个整数N,以0结尾,表示荷叶数. 2 <= N <= 200
    然后下面有N行,每行是一个坐标(Xi,Yi),表示荷叶的位置.-100 <= Xi,Yi <= 100
  • 输出
  • 对于每组输出,如样例.每组输出后空一行.
  • 样例输入
  • 2
    0 0
    3 4
    3
    17 4
    19 4
    18 5
    0
  • 样例输出
  • Case #1
    Distance = 5.000
    
    Case #2
    Distance = 1.414
    
    
    
  • 提示
  • 来源
  • zyvas


一开始用floyd算法变形,结果超时,然后用了传统的dijkstra算法变形。


#include<stdio.h>
#include<string.h>
#include<math.h>
#include<algorithm>
#include<iostream>
#include<map>
#include<vector>
#include<set>
#include<iterator>
#include<queue>
#define inf 0x3f3f3f3f

using namespace std;

const int maxn=210;

double mat[maxn][maxn];

struct point
{
	int x,y;
}node[maxn];

double dijkstra(int v,int n)
{
	bool used[maxn];
	double dist[maxn];
	for(int i=1;i<=n;i++)
	{
		used[i]=0;
		dist[i]=mat[v][i];
	}
	dist[v]=0;
	used[v]=1;
	for(int i=2;i<=n;i++)
	{
		 double mins=inf;
		 int u;
		 for(int j=1;j<=n;j++)
		 {
 			if(!used[j] && dist[j]<mins)
 			{
			   mins=dist[j];
			   u=j;	
		    }
	     }
	     used[u]=1;
	     for(int j=1;j<=n;j++)
	     {
     		 if(!used[j] && dist[j]<inf)
     		 {
     		 	if(dist[j]>max(dist[u],mat[u][j]))
	 		     	 dist[j]=max(dist[u],mat[u][j]);	 	 
 		     }
     	 }
	}
	return dist[2];
}

double dis(point a,point b)
{
	return sqrt((double)(a.x-b.x)*(a.x-b.x)+(a.y-b.y)*(a.y-b.y));
}

int main()
{
	int n,icase=1;
	while(~scanf("%d",&n) && n)
	{
		memset(mat,inf,sizeof(mat));
		for(int i=1;i<=n;i++)
		  scanf("%d%d",&node[i].x,&node[i].y);
        for(int i=1;i<=n;i++)
          for(int j=1;j<i;j++)
          	mat[i][j]=mat[j][i]=dis(node[i],node[j]);
        printf("Case #%d\n",icase++);
        printf("Distance = %.3f\n\n",dijkstra(1,n));
	}
	return 0;
}


哈夫曼编码是一种常用的数据压缩算法,可以将原始数据转换为更短的编码,从而减少存储空间。它的基本思想是:根据字符出现的频率,构建一颗二叉树,使得出现频率高的字符离根节点近,出现频率低的字符离根节点远。然后,对于每个字符,从根节点出发,沿着对应的路径到达该字符所在的叶子节点,记录下路径,作为该字符的编码。 哈夫曼编码的具体实现步骤如下: 1. 统计每个字符在原始数据中出现的频率。 2. 根据字符的频率构建哈夫曼树。构建方法可以采用贪心策略,每次选择出现频率最低的两个字符,将它们作为左右子节点,父节点的权值为两个子节点的权值之和。重复这个过程,直到只剩下一个根节点。 3. 对哈夫曼树进行遍历,记录下每个字符的编码,为了避免编码产生歧义,通常规定左子节点为0,右子节点为1。 4. 将原始数据中的每个字符,用它对应的编码来代替。这一步可以通过哈夫曼树来实现。 5. 将编码后的数据存储起来。此时,由于每个字符的编码长度不同,所以压缩后的数据长度也不同,但总体上来说,压缩效果通常是比较好的。 实现哈夫曼编码的关键在于构建哈夫曼树和计算每个字符的编码。构建哈夫曼树可以采用优先队列来实现,每次从队列中取出两个权值最小的节点,合并成一个节点,再将合并后的节点插入队列中。计算每个字符的编码可以采用递归遍历哈夫曼树的方式,从根节点出发,如果走到了左子节点,则将0添加到编码中,如果走到了右子节点,则将1添加到编码中,直到走到叶子节点为止。 以下是基于C++的代码实现,供参考: ```c++ #include <iostream> #include <queue> #include <string> #include <unordered_map> using namespace std; // 定义哈夫曼树节点的结构体 struct Node { char ch; // 字符 int freq; // 出现频率 Node* left; // 左子节点 Node* right; // 右子节点 Node(char c, int f) : ch(c), freq(f), left(nullptr), right(nullptr) {} }; // 定义哈夫曼树节点的比较函数,用于优先队列的排序 struct cmp { bool operator() (Node* a, Node* b) { return a->freq > b->freq; } }; // 构建哈夫曼树的函数 Node* buildHuffmanTree(unordered_map<char, int> freq) { priority_queue<Node*, vector<Node*>, cmp> pq; for (auto p : freq) { pq.push(new Node(p.first, p.second)); } while (pq.size() > 1) { Node* left = pq.top(); pq.pop(); Node* right = pq.top(); pq.pop(); Node* parent = new Node('$', left->freq + right->freq); parent->left = left; parent->right = right; pq.push(parent); } return pq.top(); } // 遍历哈夫曼树,计算每个字符的编码 void calcHuffmanCode(Node* root, unordered_map<char, string>& code, string cur) { if (!root) return; if (root->ch != '$') { code[root->ch] = cur; } calcHuffmanCode(root->left, code, cur + "0"); calcHuffmanCode(root->right, code, cur + "1"); } // 将原始数据编码成哈夫曼编码 string encode(string s, unordered_map<char, string> code) { string res; for (char c : s) { res += code[c]; } return res; } // 将哈夫曼编码解码成原始数据 string decode(string s, Node* root) { string res; Node* cur = root; for (char c : s) { if (c == '0') { cur = cur->left; } else { cur = cur->right; } if (!cur->left && !cur->right) { res += cur->ch; cur = root; } } return res; } int main() { string s = "abacabad"; unordered_map<char, int> freq; for (char c : s) { freq[c]++; } Node* root = buildHuffmanTree(freq); unordered_map<char, string> code; calcHuffmanCode(root, code, ""); string encoded = encode(s, code); string decoded = decode(encoded, root); cout << "Original string: " << s << endl; cout << "Encoded string: " << encoded << endl; cout << "Decoded string: " << decoded << endl; return 0; } ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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