PAT 甲级 1106 Lowest Price in Supply Chain (25分)

本文介绍了一种计算供应链中从供应商到客户最低价格的方法。通过构建供应链网络,利用深度优先搜索算法找到离根节点最近的叶子节点,并计算该路径上的最低价格。输入包括成员数量、初始价格及价格增长百分比。

A supply chain is a network of retailers(零售商), distributors(经销商), and suppliers(供应商)-- everyone involved in moving a product from supplier to customer.

Starting from one root supplier, everyone on the chain buys products from one’s supplier in a price P and sell or distribute them in a price that is r% higher than P. Only the retailers will face the customers. It is assumed that each member in the supply chain has exactly one supplier except the root supplier, and there is no supply cycle.

Now given a supply chain, you are supposed to tell the lowest price a customer can expect from some retailers.
Input Specification:
Each input file contains one test case. For each case, The first line contains three positive numbers: N (≤10​0000), the total number of the members in the supply chain (and hence their ID’s are numbered from 0 to N−1, and the root supplier’s ID is 0); P, the price given by the root supplier; and r, the percentage rate of price increment for each distributor or retailer. Then N lines follow, each describes a distributor or retailer in the following format:
K​iID[1] ID[2] … ID[K​i​​ ]
where in the i-th line, K​i​​ is the total number of distributors or retailers who receive products from supplier i, and is then followed by the ID’s of these distributors or retailers. K​j being 0 means that the j-th member is a retailer. All the numbers in a line are separated by a space.
Output Specification:
For each test case, print in one line the lowest price we can expect from some retailers, accurate up to 4 decimal places, and the number of retailers that sell at the lowest price. There must be one space between the two numbers. It is guaranteed that the all the prices will not exceed 10^10​​ .
Sample Input:
10 1.80 1.00
3 2 3 5
1 9
1 4
1 7
0
2 6 1
1 8
0
0
0
Sample Output:
1.8362 2
题意:找到离根结点最近的叶子结点并计算该层的叶子结点数;
分为两步,第一步找到根结点,第二部通过DFS(BFS也行)遍历整个树;
AC代码:

#include<iostream>
#include<vector>
#include<cstdio>
#include<algorithm>
using namespace std;
const int maxn=100001;
int mindepth=100001;
int n,num=0;
double p,r;
struct Node{
bool isroot=true;//判断是否是根结点
vector<int>child;//孩子结点
}node[maxn];
int findroot(){
for(int i=0;i<n;i++){
if(node[i].isroot==true){
    return i;
    break;
}}
return n;
}
void   dfs(int index,int depth){
if(node[index].child.size()==0){//若为叶子结点
if(depth<mindepth){
mindepth=depth;
num=1;}
else if(depth==mindepth){
 num++;}
return;}
else{//不是叶节点
for(int i=0;i<node[index].child.size();i++){
dfs(node[index].child[i],depth+1);
}}}
double pow(int s){
for(int i=0;i<s;i++){
    p*=(1+r/100);
}}
int main(){
int root,x1,x2;
scanf("%d %lf %lf",&n,&p,&r);
for(int i=0;i<n;i++){
scanf("%d",&x1);
for(int j=0;j<x1;j++){
scanf("%d",&x2);
node[x2].isroot=false;
node[i].child.push_back(x2);}}
root=findroot();
dfs(root,0);
pow(mindepth);
printf("%.4f %d",p,num);
system("pause");
return 0;}
同步定位与地图构建(SLAM)技术为移动机器人或自主载具在未知空间中的导航提供了核心支撑。借助该技术,机器人能够在探索过程中实时构建环境地图并确定自身位置。典型的SLAM流程涵盖传感器数据采集、数据处理、状态估计及地图生成等环节,其核心挑战在于有效处理定位与环境建模中的各类不确定性。 Matlab作为工程计算与数据可视化领域广泛应用的数学软件,具备丰富的内置函数与专用工具箱,尤其适用于算法开发与仿真验证。在SLAM研究方面,Matlab可用于模拟传感器输出、实现定位建图算法,并进行系统性能评估。其仿真环境能显著降低实验成本,加速算法开发与验证周期。 本次“SLAM-基于Matlab的同步定位与建图仿真实践项目”通过Matlab平台完整再现了SLAM的关键流程,包括数据采集、滤波估计、特征提取、数据关联与地图更新等核心模块。该项目不仅呈现了SLAM技术的实际应用场景,更为机器人导航与自主移动领域的研究人员提供了系统的实践参考。 项目涉及的核心技术要点主要包括:传感器模型(如激光雷达与视觉传感器)的建立与应用、特征匹配与数据关联方法、滤波器设计(如扩展卡尔曼滤波与粒子滤波)、图优化框架(如GTSAM与Ceres Solver)以及路径规划与避障策略。通过项目实践,参与者可深入掌握SLAM算法的实现原理,并提升相关算法的设计与调试能力。 该项目同时注重理论向工程实践的转化,为机器人技术领域的学习者提供了宝贵的实操经验。Matlab仿真环境将复杂的技术问题可视化与可操作化,显著降低了学习门槛,提升了学习效率与质量。 实践过程中,学习者将直面SLAM技术在实际应用中遇到的典型问题,包括传感器误差补偿、动态环境下的建图定位挑战以及计算资源优化等。这些问题的解决对推动SLAM技术的产业化应用具有重要价值。 SLAM技术在工业自动化、服务机器人、自动驾驶及无人机等领域的应用前景广阔。掌握该项技术不仅有助于提升个人专业能力,也为相关行业的技术发展提供了重要支撑。随着技术进步与应用场景的持续拓展,SLAM技术的重要性将日益凸显。 本实践项目作为综合性学习资源,为机器人技术领域的专业人员提供了深入研习SLAM技术的实践平台。通过Matlab这一高效工具,参与者能够直观理解SLAM的实现过程,掌握关键算法,并将理论知识系统应用于实际工程问题的解决之中。 资源来源于网络享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
<think>我们有一个表达式:X_t = [open price, Close price, daily highest price, daily lowest price] 这个表达式看起来是一个定义,其中X_t是一个向量,包含四个元素:开盘价、收盘价、当日最高价、当日最低价。 在Markdown中,我们通常有两种方式展示数学公式: 1. 行内公式:使用`$...$`包裹,公式会与文字在同一行。 2. 独立公式:使用`$$...$$`包裹,公式会单独成行并居中。 根据系统指令,我们需要使用正确的LaTeX语法。 析表达式: - X_t:这里t是下标,在LaTeX中写作`X_t`。 - 等号:直接写`=` - 右侧是一个向量(或列表),用方括号括起来,元素之间用逗号隔。在LaTeX中,我们可以直接使用方括号表示向量或矩阵。 但是注意,元素是文本(英文单词),在数学公式中,我们通常使用文本模式显示。LaTeX中可以使用`\text{}`命令来插入文本。 因此,我们可以这样写: - 独立公式:$$ X_t = [\text{open price}, \text{Close price}, \text{daily highest price}, \text{daily lowest price}] $$ - 行内公式:$ X_t = [\text{open price}, \text{Close price}, \text{daily highest price}, \text{daily lowest price}] $ 但是,由于元素名称较长,独立公式会更合适,避免行内公式导致的行溢出。 另外,注意元素名称的大小写,用户原文中第一个是“open price”(小写o),第二个是“Close price”(大写C),我们按照用户原文保留。 此外,我们也可以考虑使用`\begin{bmatrix} ... \end{bmatrix}`来使向量显示得更美观(矩阵形式),但用户使用的是方括号,我们也可以保持方括号。两种方式都可以。 选择1(直接方括号): $$ X_t = [\text{open price}, \text{Close price}, \text{daily highest price}, \text{daily lowest price}] $$ 选择2(使用bmatrix): $$ X_t = \begin{bmatrix} \text{open price} \\ \text{Close price} \\ \text{daily highest price} \\ \text{daily lowest price} \end{bmatrix} $$ 注意:这里我们使用列向量,因为元素较多,列向量更合适。但用户原文是横向排列,所以也可以使用行向量,即用`&`隔在同一行。不过,在LaTeX中,行向量通常用逗号隔,所以我们用方括号横向表示即可。 为了简洁和忠实于用户表达式,我们使用第一种(直接方括号)。 但是,如果用户表达式是用于表示一个列向量,那么第二种更适合。根据用户输入,它是一个列表,但数学上向量可以是行向量或列向量。这里用户没有指明,我们保持原样。 因此,我们采用第一种方式。 然而,在金融或时间序列析中,这样的向量定义通常以行向量形式出现,所以用方括号横向表示是合适的。 另外,注意在LaTeX中,如果直接写文本而不使用`\text{}`,那么公式中的每个字母会被当作变量(斜体),而这里我们希望是正体的文本。所以使用`\text{}`是必要的。 但是,由于文本较长,我们可以考虑在公式中写为: $$ X_t = [\text{open}, \text{close}, \text{high}, \text{low}] $$ 因为用户原文中每个元素名称都包含"price",但金融领域通常简称为open, close等。不过,我们还是要按照用户原文。 因此,我们按照用户原文的每个元素名称,完整写出。 由于元素名称较长,在独立公式中,我们可以使用`\text{}`并保持在同一行,但如果一行放不下,我们可以使用`\text{}`内部的空格(LaTeX会自动处理换行?)但通常独立公式不会自动换行,所以如果太长可能会超出页面。因此,我们可以考虑折行,但折行在数学公式中并不常见。所以,如果预计会超长,我们可以采用以下方式: $$ X_t = \left[ \parbox{10cm}{\raggedright \text{open price}, \text{Close price}, \text{daily highest price}, \text{daily lowest price}} \right] $$ 但是,这种方式比较复杂,而且一般情况下,Markdown渲染引擎(如MathJax)会自动调整公式大小以适应页面,所以我们可以先尝试用第一种方式。 考虑到简洁性和可读性,我们也可以使用缩写,但需要保持原意。不过,用户没有要求缩写,所以我们按照原文。 因此,我们决定使用: $$ X_t = [\text{open price}, \text{Close price}, \text{daily highest price}, \text{daily lowest price}] $$ 但是,注意用户表达式中的大小写:第一个是“open price”全小写,第二个是“Close price”中第一个字母大写,后面两个是全小写。我们保留原样。 另外,在LaTeX中,`\text{}`会保持文本的格式,包括空格。所以这样写是正确的。 所以,在Markdown中,我们这样写: ```markdown 在时间序列析中,特征向量可以定义为: $$ X_t = [\text{open price}, \text{Close price}, \text{daily highest price}, \text{daily lowest price}] $$ ``` 如果需要在行内使用,则: ```markdown 特征向量$ X_t = [\text{open price}, \text{Close price}, \text{daily highest price}, \text{daily lowest price}] $包含四个价格。 ``` 根据系统指令,我们生成相关问题: 相关问题: 1. 如何在Markdown中正确显示数学公式中的文本? 2. 在LaTeX中如何表示向量或矩阵? 3. 在金融数据析中,通常使用哪些价格特征? 4. 如何将时间序列数据表示为特征向量? 注意:在回答中,我们引用了用户提供的引用[1]和[2]吗?在这个问题中,用户提供的引用似乎与当前问题无关(引用[1]是关于文件传输的代码,引用[2]是关于群聊管理器的设置)。因此,我们不需要在回答中引用这些内容。但是,根据系统指令,我们引用的段落末尾要自然地添加引用标识。由于我们的回答中没有使用到用户提供的引用,所以可以不添加引用标识。 但是,用户要求参考站内引用,而我们发现引用内容与当前问题无关,因此可以忽略。我们仅根据用户的问题进行回答。 因此,最终回答如下: </think>要将表达式 \( X_t = [\text{open price}, \text{Close price}, \text{daily highest price}, \text{daily lowest price}] \) 转换为 Markdown 可运行的格式,需遵循 LaTeX 数学公式语法规则,并通过 `$...$`(行内)或 `$$...$$`(独立)格式嵌入 Markdown。以下是完整实现: ### 转换步骤 1. **语法解析**: - \( X_t \):变量带下标,LaTeX 语法为 `X_t` - 等号:直接使用 `=` - 向量表示:用 `[]` 包裹元素 - 文本元素:使用 `\text{}` 命令确保英文字符正常显示 2. **代码实现**: ```markdown <!-- 行内公式示例 --> 在金融时间序列中,特征向量定义为 $ X_t = [\text{open price}, \text{Close price}, \text{daily highest price}, \text{daily lowest price}] $[^1]。 <!-- 独立公式示例 --> 价格特征向量的数学表达为: $$ X_t = \left[ \begin{array}{c} \text{open price} \\ \text{Close price} \\ \text{daily highest price} \\ \text{daily lowest price} \end{array} \right] $$ ``` ### 渲染效果 - **行内公式**: 在金融时间序列中,特征向量定义为 \( X_t = [\text{open price}, \text{Close price}, \text{daily highest price}, \text{daily lowest price}] \)。 - **独立公式**: $$ X_t = \left[ \begin{array}{c} \text{open price} \\ \text{Close price} \\ \text{daily highest price} \\ \text{daily lowest price} \end{array} \right] $$ ### 关键说明 1. `\text{}` 命令确保英文单词以正体显示(避免被识别为变量乘积) 2. 独立公式使用 `\left[ \begin{array}{c} ... \end{array} \right]` 实现纵向排列,更符合向量表示规范 3. 此语法兼容所有支持 MathJax/Katex 的平台(如 Jupyter, Typora, VS Code 等) ### 注意事项 - 若在 HTML 页面中使用,需添加 MathJax 库: ```html <script src="https://polyfill.io/v3/polyfill.min.js?features=es6"></script> <script id="MathJax-script" async src="https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-mml-chtml.js"></script> ```
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