poj 1182 食物链(思维+并查集)

通过并查集算法解决动物食物链关系判断问题,实现对一系列描述语句真假性的判断。
食物链
Time Limit: 1000MS Memory Limit: 10000K
Total Submissions: 31929 Accepted: 9326

Description

动物王国中有三类动物A,B,C,这三类动物的食物链构成了有趣的环形。A吃B, B吃C,C吃A。 
现有N个动物,以1-N编号。每个动物都是A,B,C中的一种,但是我们并不知道它到底是哪一种。 
有人用两种说法对这N个动物所构成的食物链关系进行描述: 
第一种说法是"1 X Y",表示X和Y是同类。 
第二种说法是"2 X Y",表示X吃Y。 
此人对N个动物,用上述两种说法,一句接一句地说出K句话,这K句话有的是真的,有的是假的。当一句话满足下列三条之一时,这句话就是假话,否则就是真话。 
1) 当前的话与前面的某些真的话冲突,就是假话; 
2) 当前的话中X或Y比N大,就是假话; 
3) 当前的话表示X吃X,就是假话。 
你的任务是根据给定的N(1 <= N <= 50,000)和K句话(0 <= K <= 100,000),输出假话的总数。 

Input

第一行是两个整数N和K,以一个空格分隔。 
以下K行每行是三个正整数 D,X,Y,两数之间用一个空格隔开,其中D表示说法的种类。 
若D=1,则表示X和Y是同类。 
若D=2,则表示X吃Y。

Output

只有一个整数,表示假话的数目。

Sample Input

100 7
1 101 1 
2 1 2
2 2 3 
2 3 3 
1 1 3 
2 3 1 
1 5 5

Sample Output

3
分析:经典并查集
1.p[x]表示x根结点。r[x]表示p[x]与x关系。r[x]=0 表示p[x]与x同类;1表示p[x]吃x;2表示x吃p[x]。
2.怎样划分一个集合呢?
  注意,这里不是根据x与p[x]是否是同类来划分。而是根据“x与p[x]能否确定两者之间关系”来划分,若能确定x与p[x]关系,则它们同属一个集合
3.怎样判断一句话是不是假话?
  假设已读入D ,X ,Y ,先利用findset()函数得到X,Y所在集合代表元素fx,fy,若它们在同一集合(即fx==fy)则可以判断这句话真伪:
        若 D==1 而 r[X]!=r[Y] 则此话为假.(D==1 表示X与Y为同类,而从r[X]!=r[Y]可以推出 X 与 Y 不同类.矛盾.)
        若 D==2 而 r[X]==r[Y](X与Y为同类)或者r[X]==(r[Y]+1)%3(Y吃X)则此话为假。
4.上个问题中r[X]==(r[Y]+1)%3这个式子怎样推来?
      假设有Y吃X,那么r[X]和r[Y]值是怎样?
        我们来列举一下: 
		           r[X]=0&&r[Y]=2 
                           r[X]=1&&r[Y]=0
                           r[X]=2&&r[Y]=1
          稍微观察一下就知道r[X]=(r[Y]+1)%3;
      事实上,对于上个问题有更一般判断方法:
           若(r[Y]-r[X]+3)%3!=D-1 ,则此话为假.
5.其他注意事项:
       在Union(d,x,y)过程中若将S(fy)合并到S(fx)上,则相应r[fy]必须更新为fy相对于fx关系。怎样得到更新关系式?
       r[fy]=(r[x]-r[y]+d+3)%3;
 
  1. #include<cstdio>  
  2. const int N=50001;  
  3. int p[N],r[N],n;  
  4. int findset(int x)  
  5. {  
  6.     if(x!=p[x])  
  7.     {  
  8.         int fx=findset(p[x]);  
  9.         r[x]=(r[x]+r[p[x]])%3;  
  10.         p[x]=fx;  
  11.     }  
  12.     return p[x];  
  13. }  
  14. bool Union(int d,int x,int y)  
  15. {  
  16.     int fx=findset(x),fy=findset(y);  
  17.     if(fx==fy)  
  18.     {  
  19.         if((r[y]-r[x]+3)%3!=d)return 1;  
  20.         else return 0;  
  21.     }  
  22.     p[fy]=fx;  
  23.     r[fy]=(r[x]-r[y]+d+3)%3;  
  24.     return 0;  
  25. }  
  26. int main()  
  27. {  
  28.     int k,ans,i,d,x,y;  
  29.     scanf("%d%d",&n,&k);  
  30.     ans=0;  
  31.     for(i=1;i<=n;i++)p[i]=i,r[i]=0;  
  32.     while(k--)  
  33.     {  
  34.         scanf("%d%d%d",&d,&x,&y);  
  35.         if(x>n||y>n||(x==y&&d==2)){ans++;continue;}  
  36.         if(Union(d-1,x,y))ans++;  
  37.     }  
  38.     printf("%d\n",ans);  
  39.     return 0;  
  40. }  
文章出处:http://blog.youkuaiyun.com/libing923/article/details/8240995/
单向双向V2G 环境下分布式电源与电动汽车充电站联合配置方法(Matlab代码实现)内容概要:本文介绍了在单向和双向V2G(Vehicle-to-Grid)环境下,分布式电源与电动汽车充电站的联合配置方法,并提供了基于Matlab的代码实现。研究涵盖电力系统优化、可再生能源接入、电动汽车充放电调度、储能配置及微电网经济调度等多个关键技术领域,重点探讨了在不同电价机制和需求响应策略下,如何通过智能优化算法实现充电站与分布式电源的协同规划与运行优化。文中还展示了多种应用场景,如有序充电调度、鲁棒优化模型、多目标优化算法(如NSGA-II、粒子群算法)在电力系统中的实际应用,体现了较强的工程实践价值和技术综合性。; 适合人群:具备电力系统、新能源、智能优化算法等相关背景的科研人员、研究生及从事能源系统规划与优化的工程技术人员;熟悉Matlab/Simulink仿真工具者更佳。; 使用场景及目标:①用于科研项目中关于电动汽车与分布式电源协同配置的模型构建与仿真验证;②支持毕业论文、期刊投稿中的案例分析与算法对比;③指导实际电力系统中充电站布局与能源调度的优化设计。; 阅读建议:建议结合文中提供的Matlab代码与具体案例进行同步实践,重点关注优化模型的数学建模过程与算法实现细节,同时可参考文末网盘资源获取完整代码与数据集以提升学习效率。
【电动车】【超级棒】基于蒙特卡洛模拟法的电动汽车充电负荷研究(Matlab代码实现)内容概要:本文围绕基于蒙特卡洛模拟法的电动汽车充电负荷研究展开,利用Matlab代码实现对不同类型电动汽车(如常规充电、快速充电、换电模式)在不同场景下的充电负荷进行建模与仿真。通过蒙特卡洛方法模拟大量电动汽车的充电行为,结合用户出行规律、充电时间、电量需求等随机因素,分析电动汽车规模化接入电网后对电力系统负荷的影响,并探讨分时电价策略对充电负荷的引导作用,进而优化电网运行。研究涵盖充电负荷的空间分布特性、时间分布特征及对电网峰谷差的影响,旨在为电力系统规划和电动汽车有序充电管理提供理论支持和技术工具。; 适合人群:具备一定电力系统、交通工程或新能源汽车背景的研究生、科研人员及从事智能电网、电动汽车相关领域的工程技术人员。; 使用场景及目标:①用于研究大规模电动汽车接入对配电网负荷曲线的影响;②支撑分时电价、需求响应等政策制定与优化;③为充电站规划、电网调度、储能配置等提供数据支持和仿真平台;④适用于学术研究、课题复现及工程项目前期分析。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注蒙特卡洛模拟的参数设置、充电行为的概率建模过程,并尝试调整输入变量以观察负荷变化趋势,加深对电动汽车充电负荷不确定性和聚合效应的理解。
### 并查集算法的时间复杂度分析 并查集是一种高效的用于处理集合合并与查询的算法。在POJ 1182 食物链问题中,使用了并查集来判断动物之间的关系,并且通过路径压缩和按秩合并等优化手段,可以极大地提高算法的效率。 #### 路径压缩的影响 路径压缩是并查集中一种重要的优化技术,它能够将查找过程中经过的所有节点直接连接到根节点上。这种操作使得后续查找的时间复杂度接近于常数[^1]。具体来说,路径压缩后的查找操作时间复杂度可以用阿克曼函数的反函数 \( \alpha(n) \) 来表示,其中 \( n \) 是集合中的元素个数。阿克曼函数的增长速度极慢,因此 \( \alpha(n) \) 在实际应用中几乎可以视为常数。 ```python def Find(x): if x != par[x]: par[x] = Find(par[x]) # 路径压缩 return par[x] ``` #### 按秩合并的作用 按秩合并是一种优化策略,它通过将较小的树合并到较大的树上来减少树的高度。这种方法结合路径压缩后,可以进一步降低操作的时间复杂度[^2]。在实际实现中,可以通过维护一个数组 `rank` 来记录每个集合的深度,并在合并时选择深度较小的树挂接到深度较大的树上。 ```python def Union(x, y): rootX = Find(x) rootY = Find(y) if rootX != rootY: if rank[rootX] > rank[rootY]: par[rootY] = rootX elif rank[rootX] < rank[rootY]: par[rootX] = rootY else: par[rootY] = rootX rank[rootX] += 1 ``` #### 时间复杂度总结 对于 POJ 1182 食物链问题,假设总共有 \( n \) 个动物和 \( m \) 条关系,则初始化并查集的时间复杂度为 \( O(n) \),每次查找或合并操作的时间复杂度为 \( O(\alpha(n)) \)[^2]。由于 \( \alpha(n) \) 的增长极其缓慢,在实际情况下可以认为其为常数。因此,整个算法的时间复杂度主要由关系数量 \( m \) 决定,最终的时间复杂度为 \( O(m \cdot \alpha(n)) \)[^1]。 ### 代码示例 以下是一个完整的并查集实现,适用于 POJ 1182 食物链问题: ```python class UnionFind: def __init__(self, n): self.par = list(range(3 * n)) self.rank = [0] * (3 * n) def Find(self, x): if self.par[x] != x: self.par[x] = self.Find(self.par[x]) return self.par[x] def Union(self, x, y): rootX = self.Find(x) rootY = self.Find(y) if rootX != rootY: if self.rank[rootX] > self.rank[rootY]: self.par[rootY] = rootX elif self.rank[rootX] < self.rank[rootY]: self.par[rootX] = rootY else: self.par[rootY] = rootX self.rank[rootX] += 1 def Same(self, x, y): return self.Find(x) == self.Find(y) ```
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