Problem : [Usaco2014 Dec]Piggy Back

VLOOKUP_fixed.py 立即下载

Problem : [Usaco2014 Dec]Piggy Back

Time Limit: 1 Sec Memory Limit: 128 MB

Description

Bessie and her sister Elsie graze in different fields during the day,and in the evening they both want to walk back to the barn to rest.Being clever bovines, they come up with a plan to minimize the total amount of energy they both spend while walking.

Bessie spends B units of energy when walking from a field to an adjacent field, and Elsie spends E units of energy when she walks to an adjacent field. However, if Bessie and Elsie are together in the same field, Bessie can carry Elsie on her shoulders and both can move to an adjacent field while spending only P units of energy (where P might be considerably less than B+E, the amount Bessie and Elsie would have spent individually walking to the adjacent field). If P is very small, the most energy-efficient solution may involve Bessie and Elsie traveling to a common meeting field, then traveling together piggyback for the rest of the journey to the barn. Of course, if P is large, it may still make the most sense for Bessie and Elsie to travel separately. On a side note, Bessie and Elsie are both unhappy with the term “piggyback”, as they don’t see why the pigs on the farm should deserve all the credit for this remarkable form of transportation.

Given B, E, and P, as well as the layout of the farm, please compute the minimum amount of energy required for Bessie and Elsie to reach the barn.

贝茜和妹妹埃尔茜白天在不同的田里吃草,
到了晚上,他们都想步行回谷仓休息。
他们是聪明的牛,他们想出了一个计划,把总数降到最低。
他们走路时消耗的能量。

贝茜从一块地走到另一块地时,花费了B单位的能量。
当埃尔茜走到附近的区域时,她会消耗E单位的能量。
相邻字段。但是,如果贝茜和埃尔茜在一起同一块地,贝茜可以把埃尔茜扛在肩上,两人都可以移动。在只消耗p单位能量的情况下(其中p可能比B+E少得多,贝茜和埃尔茜的数量单独步行到邻近的田地)。如果p非常小,最节能的解决方案可能涉及贝茜和埃尔茜到一个共同的会议场地旅行,然后一起背着旅行在去谷仓的剩余旅程中。当然,如果p很大可能对贝茜和埃尔茜来说最有意义的旅行分开。旁注,贝茜和埃尔茜都不满意俚语“骑小猪”,因为他们不明白为什么农场上的猪应该为这种非凡的荣誉。

给定B、E和P,以及农场的布局,请计算贝西和埃尔西达到所需的最小能量谷仓。

HINT
给定一个N个点M条边的无向图,其中贝茜在1号点,埃尔茜在2号点,它们的目的地为N号点。贝茜每经过一条边需要消耗B点能量,埃尔茜每经过一条边需要消耗E点能量。当它们相遇时,它们可以一起行走,此时它们每经过一条边需要消耗P点能量。求它们两个到达N号点时最少消耗多少能量?

Input

The first line of input contains the positive integers B, E, P, N, and
M. All of these are at most 40,000. B, E, and P are described above.
N is the number of fields in the farm (numbered 1…N, where N >= 3),
and M is the number of connections between fields. Bessie and Elsie
start in fields 1 and 2, respectively. The barn resides in field N.

The next M lines in the input each describe a connection between a
pair of different fields, specified by the integer indices of the two
fields. Connections are bi-directional. It is always possible to
travel from field 1 to field N, and field 2 to field N, along a series
of such connections.

输入的第一行包含正整数b、e、p、n和M.
所有这些都不超过40000。B、E和P如上所述。
n是农场中的田地数(编号1…n,其中n大于等于3),m是字段之间的连接数。
贝茜和埃尔茜分别从字段1和2开始。
谷仓位于北郊。

输入中接下来的m行分别描述了一对不同的字段,由两个字段的整数索引指定领域。
连接是双向的。
总是有可能沿序列从字段1到字段N,从字段2到字段N这种联系。

Output

A single integer specifying the minimum amount of energy Bessie and
Elsie collectively need to spend to reach the barn. In the example
shown here, Bessie travels from 1 to 4 and Elsie travels from 2 to 3
to 4. Then, they travel together from 4 to 7 to 8.

指定最小能量的单个整数,贝茜和埃尔茜总得花点力气才能到达谷仓。
在这个例子中如图所示,贝茜从1到4,Elsie从2到3到4。
然后,他们一起从4点到7点到8点旅行。

Sample Input

4 4 5 8 8
1 4
2 3
3 4
4 7
2 5
5 6
6 8
7 8

Sample Output

22

HINT

第一步是看我们能把贝西和埃尔西的旅行分成两部分:开始直到他们相遇和背在一起,然后背在一起直到结束(如果他们从来没有背在一起,那和在结束时相遇一样,然后背在一起0距离)。

如果我们知道他们在哪里相遇,问题就容易了。假设他们在第二十场见面。然后从xx开始,我们可以使用bfs计算到所有其他字段的最快路径。然后,如果Didi边缘从字段xx移动到字段ii,则答案是b d1+e d2+p dn b d1+e d2+p dn。

这已经为我们提供了一个O(n2)O(n2)解决方案;只需尝试每个xx。要将其加速到o(n)o(n),请注意,我们总是希望字段11、22和n n之间的距离。因此,如果我们预先计算这些距离,就需要O(1)O(1)时间来尝试每个XX。

Code

#include <cstdio>
#include <cstring>
#include <algorithm>
#include <queue>
#define up(i,j,k) for(int i=j;i<=k;i++)
#define maxn 40010
using namespace std;

inline int read() {
	char ch=getchar();
	int f=1,x=0;
	while(ch<'0'||ch>'9') {
		if(ch=='-')f=-1;
		ch=getchar();
	}
	while(ch>='0'&&ch<='9')x=x*10+ch-'0',ch=getchar();
	return f*x;
}
struct e {
	int t,n;
} es[maxn*2];
int ess,g[maxn];
void pe(int f,int t) {
	es[++ess]=(e) {
		t,g[f]
	};
	g[f]=ess;
	es[++ess]=(e) {
		f,g[t]
	};
	g[t]=ess;
}
int n,m,b,e,p,d[3][maxn];
long long ans;
queue<int>q;
bool vis[maxn];
void bfs(int s,int o) {
	while(!q.empty())q.pop();
	memset(vis,0,sizeof(vis));
	q.push(s);
	vis[s]=1;
	d[o][s]=0;
	while(!q.empty()) {
		int x=q.front();
		q.pop();
		for(int i=g[x]; i; i=es[i].n)if(!vis[es[i].t]) {
				d[o][es[i].t]=d[o][x]+1;
				q.push(es[i].t);
				vis[es[i].t]=1;
			}
	}
}
int main() {
	scanf("%d %d %d %d %d",&b,&e,&p,&n,&m);
	up(i,1,m) {
		int x=read(),y=read();
		pe(x,y);
	}
	bfs(1,0);
	bfs(2,1);
	bfs(n,2);
	ans=1LL*d[0][n]*b+1LL*d[1][n]*e;
	up(i,1,n)if(1LL*d[0][i]*b+1LL*d[1][i]*e+1LL*d[2][i]*p<ans)ans=1LL*d[0][i]*b+1LL*d[1][i]*e+1LL*d[2][i]*p;
	printf("%lld",ans);
	return 0;
}
D打卡签到,蓝牙中继,广播信号模拟器 模拟WIFI或蓝牙,有如下4种运行模式 1、WIFI模式:指定SSID、BSSID名称等,模拟WIFI,供设备连接。 2、蓝牙静态模式:指定MAC地址,广播固定的RAW数据。 3、蓝牙动态主机模式:扫描周围蓝牙设备,获取指定MAC地址的蓝牙及其RAW数据,实时发送至Cloud云端,可以设定时间段,只在设定的时间段内发送。 4、蓝牙动态从机模式:指定MAC地址,从Cloud云端获取动态主机模式实时上传的该MAC地址的RAW数据,并广播RAW数据。 准备工作: 1、板子:选择ESP32C3或ESP32C3 Supermini 2、nRF Connect手机app:用于扫描获取待模拟蓝牙设备的MAC和RAW数据。 Wifi分析仪或WiFi魔盒手机APP:用于扫描获取待模拟WIFI设备的SSID和BSSID。 3、可使用官方flash_download_tool_3.9.11工具来固件烧录。 使用说明: 上述完成后,设备首次上电,RESET一侧的指示灯会常亮,可以把它理解成电源指示灯; BOOT一侧的灯会亮,该灯常亮,表示设备开启了AP模式,此时设备会发射一个WIFI信号源,名称为ESPWIFI_AP,密码为12345678,手机或电脑连接该WIFI,浏览器输入192.168.4.1,进入设备的配置页面,进行相应的配置,其中动态主机模式和动态从机模式的SSID、Pwd 及要模拟的蓝牙MAC地址。配置完成并保存后,会重启,重启后设备会按照保存的配置运行。若下次要修改设备配置,可以长按BOOT按键,等待BOOT一侧的灯常亮,即进入AP模式,再按照上述流程配置即可。 仅用于蓝牙设备的开发与调试,请勿用于签到等违法违纪用途。 立即下载

相关推荐

YOLO26算法心电图十二导联目标检测+训练好的模型+368张数据集+pyqt可视化界面.zip

附训练好的 YOLO 权重与 PyQt 可视化检测界面,页面底部含可视化效果预览,毕设/课设开箱即用。 【数据集概况】 · 检测类别(中文):[导联I(I), 导联II(II), 导联III(III), 胸导联V1(V1), 胸导联V2(V2), 胸导联V3(V3), 胸导联V4(V4), 胸导联V5(V5), 胸导联V6(V6), 加压肢体导联aVF(aVF), 加压肢体导联aVL(aVL), 加压肢体导联aVR(aVR)] · 训练集:313 张 · 验证集:37 张 · 测试集:18 张 · 总计:368 张 该数据集聚焦于临床心电图信号的精准识别与定位,其核心检测目标为标准12导联心电图中的各个独立导联波形区域,涵盖肢体导联(I、II、III)与加压肢体导联(aVR、aVL、aVF),以及胸前导联(V1至V6),适用于心电图自动分析系统中对各导联位置的快速准确标注与分类。数据采集场景真实还原了医院心电图室或急诊监护环境下的标准心电图记录纸,波形清晰、基线稳定,具有高度临床参考价值。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 57 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9708** mAP50-95 | 0.6344 Precision | 0.8990 Recall | 0.9191 train/box_loss | 1.2231 train/cls_loss | 0.9703 val/box_loss | 1.2779 val/cls_loss | 0.... 使用场景:毕业设计、课程设计、深度学习入门、工业场景落地验证。

【洛谷3110】【USACO14DEC】驮运Piggy Back

题目描述 Bessie and her sister Elsie graze in different fields during the day, and in the evening they both want to walk back to the barn to rest. Being clever bovines, they come up with a plan to minimi

dcx2001的博客 369

企业级AI助手平台 开箱即用的全栈AI平台,支持多智能体协同、Supervisor模式编排、多种决策模式、RAG技术和流程编排能力 支持多厂商大模型统一接入与管理,安全可控的企业知识库与高精度检索优化

企业级AI应用开发框架,支持多厂商大模型统一接入与管理,安全可控的企业知识库与高精度检索优化能力,提供可视化流程编排、自主决策智能体与多智能体协同调度,兼容主流 Agent Skill 协议,帮助企业与开发者零门槛快速构建安全、高效、可落地的AI智能体应用与行业解决方案。

bzoj3891【Usaco2014 Dec】Piggy Back

BFS

AaronPolaris 1343

Java低代码, 轻量级, 支持国产化 国密 AI大模型MCP服务 商业免费 包括核心模块如:组织机构、角色用户、权限授权、数据权限、内容管理、工作流、Spring Cloud 微服务、AI大模型等

Java低代码, 轻量级, 支持国产化 国密 AI大模型MCP服务 商业免费 Spring Boot, MyBatis, Flowable, TypeScript, Vue, Antdv, 包括核心模块如:组织机构、角色用户、权限授权、数据权限、内容管理、工作流、Spring Cloud 微服务、AI大模型、代码生成器等

文创媒体电商行业智算中心(AIDC)建设规划方案.pptx

文创媒体电商行业智算中心(AIDC)建设规划方案.pptx

USACO 2014 Dec Silver 1.Piggyback 题解

Description Bessie and her sister Elsie graze in different fields during the day, and in the evening they both want to walk back to the barn to rest. Being clever bovines, they come up with a pla

zyq_20030305的博客 522

集团企业数字化转型AI智能体平台规划及场景应用方案.pptx

集团企业数字化转型AI智能体平台规划及场景应用方案.pptx

BZOJ 3891 [Usaco2014 Dec]Piggy Back BFS

题目大意:给定一张无向图,第一个人从点1出发每走一条边消耗A,第二个人从点2出发每走一条边消耗B,两个人相遇后一起走每走一条边消耗C,两个人到达点n的最小花销 分别从点1、点2、点n出发BFS一遍,预处理出每个点到点1、点2、点n的最短路 然后枚举两人相遇的点,计算消耗之和即可 #include #include #include #include #define M 40400 u

世界 1440

基于动态窗口法DWA的机器人路径规划研究(Matlab代码实现)

内容概要:本文系统研究了基于动态窗口法(DWA)的机器人局部路径规划算法,深入剖析其在动态环境中实现自主避障与实时轨迹优化的核心机制。文章详细阐述了DWA算法的速度空间采样策略、轨迹预测模型、动力学约束处理及多目标代价函数的设计原理,并通过构建完整的Matlab仿真框架验证算法有效性。结合典型场景的仿真实验,展示了机器人在复杂障碍物环境下如何实时生成安全、平滑且符合运动学约束的最优路径,充分体现了DWA在移动机器人导航中的实用性与鲁棒性。; 适合人群:具备机器人运动规划基础知识和Matlab编程能力,从事智能移动机器人、自动驾驶或服务机器人研发的研究生、科研人员及工程技术人员。; 使用场景及目标:①深入理解DWA算法的理论基础与实现细节;②掌握机器人局部路径规划的仿真实现方法;③为实际机器人系统的导航模块开发提供可复用的算法原型与代码参考;④作为进一步研究高级导航算法(如TEB、MPC)的技术基础。; 阅读建议:建议结合提供的Matlab代码逐模块分析与调试,重点关注速度采样、轨迹积分、障碍物距离计算及代价评估等关键环节,通过调整参数在不同地图环境中进行对比实验,以深刻把握算法性能与参数之间的关系,进而提升对实时路径规划系统设计的理解与应用能力。

【轴承故障诊断】用于轴承故障诊断的集中时频分析研究(Matlab代码实现)

内容概要:本文系统研究了用于轴承故障诊断的集中时频分析技术,重点解决了传统时频分析方法在处理非平稳信号时存在的能量分散与分辨率不足等问题。通过引入集中时频分析方法,能够有效聚焦信号能量,精确提取轴承故障特征频率,提升故障识别的准确性与时效性。文章详细阐述了该方法的理论基础,并结合仿真信号与实际实验数据验证其优越性能,同时提供了完整的Matlab代码实现流程,涵盖信号预处理、时频变换、参数优化及结果可视化等环节,便于读者复现与拓展应用。; 适合人群:具备一定信号处理理论基础和Matlab编程能力的研究生、科研人员,以及从事机械设备状态监测、故障诊断与预测性维护工作的工程技术人员。; 使用场景及目标:①应用于电机、风机、齿轮箱等旋转机械的早期轴承故障检测,实现故障预警;②提升工业设备运维系统的智能化水平,支撑预测性维护体系构建;③作为高校或研究机构在信号处理、机械故障诊断等课程中的教学案例与实践素材。; 阅读建议:建议读者结合文中提供的Matlab代码逐段运行与调试,深入理解集中时频分布的生成机制及其关键参数(如核函数选择、平滑窗口大小)对诊断效果的影响,并尝试将其应用于其他类型的机械故障信号分析中,开展对比研究以深化对该方法适用性的认识。

【USACO 2020 January Silver】Berry Picking 题解

题目描述 Bessie 和她的妹妹 Elsie 正在 Farmer John 的浆果园里采浆果。Farmer John 的浆果园里有 N 棵浆果树(1≤N≤1000);树 i 上有 Bi 个浆果(1≤Bi≤1000)。Bessie 有 K 个篮子(1≤K≤1000,K 为偶数)。每个篮子里可以装同一棵树上采下的任意多个浆果,但是不能装来自于不同的树上的浆果,因为它们的口味可能不同。篮子里也可以不装...

zhy_Learn的博客 1552

2024 《计算机网络》实验教学指导书.doc

2024 《计算机网络》实验教学指导书.doc

[Usaco2014 Dec]Piggy Back

Description 给定一个N个点M条边的无向图,其中Bessie在1号点,Elsie在2号点,它们的目的地为N号点。Bessie每经过一条边 需要消耗B点能量,Elsie每经过一条边需要消耗E点能量。当它们相遇时,它们可以一起行走,此时它们每经过一 条边需要消耗P点能量。求它们两个到达N号点时最少消耗多少能量? Input The first line of input contains t...

wym2360129483的博客 378

人工智能,不止于模型:四步实现完整工作流

工程师越来越多地致力于将人工智能 (AI) 集成到自己的项目和应用中,同时不断着力提升自己的 AI 技能。面对 AI 问题,工程师首先要了解什么是 AI,以及如何将它纳入当前工作流,这看似简单,实则未必容易。在 Google 中搜索“什么是 AI?”会得到数百万条结果,包括不同程度的技术和相关信息。那么,对工程师而言,AI 意味着什么?人们对 AI 的关注主要集中在 AI 模型上,受此影响,工程师会迅速投入 AI 建模的研究。

r1832644594的博客 2810

MySQL安装最后启动报错--Job for mysqld.service failed because the control process exited with error code. See

MySQL安装最后启动报错: [root@localhost mysql]# systemctl start mysqld Warning: mysqld.service changed on disk. Run 'systemctl daemon-reload' to reload units. Job for mysqld.service failed because the control process exited with error code. See "systemctl status m

chenchen的博客 2746

洛谷 P3110 [USACO14DEC]驮运Piggy Back ( spfa) 题解

题目来源: https://www.luogu.org/problemnew/show/P3110 题目描述: 题目描述 Bessie and her sister Elsie graze in different fields during the day, and in the evening they both want to walk back to the barn to res...

摇摇乐的博客 291

拆解大疆M300电池BMS:基于TI TIDA-010030方案的硬件架构深度分析

本文深度解析了大疆M300无人机电池管理系统(BMS)基于TI TIDA-010030参考设计的硬件架构。通过对比TI方案与大疆实现的差异,详细介绍了BQ7694003监控前端和BQ34Z100电量计的优化设计,以及通信架构的可靠性改进。文章还揭示了大疆在成本、空间和标准化方面的工程妥协与创新平衡,为锂电池保护方案提供了实践参考。

weixin_27066963的博客 237

【BZOJ3893】【Usaco2014 Dec】金组 Runing Cow

【问题描述】   FJ的N头牛在一条无限长的道路上练习赛跑。每头牛均在道路上一个各不相同的起点出发,以某个速度匀速前进。   为了防止跑得快的牛在超过跑得慢的牛时发生碰撞,FJ把道路分成许多条跑道,这样,处在同一条跑道上牛永远不会占据同一个位置。   FJ还规定,牛不能更换跑道,也不能改变速度。   FJ想知道,在一次持续T分钟的赛跑中,他至少需要划分出多少条跑道。【输入格式】   第1行:2个

7cqyz_Ycz的博客 588

高效打卡系统设计:从行为心理学到实践工具

打卡系统作为现代时间管理的重要工具,其核心原理植根于行为心理学中的即时反馈机制和习惯养成理论。通过科学设计的打卡周期和可视化反馈,能有效提升个人自律性和目标达成率。在技术实现上,从纸质记录到数字化工具(如Notion、Excel自动化模板)的演进,为不同场景提供了灵活解决方案。特别在习惯追踪和进度管理领域,结合热力图生成、数据统计等技巧,打卡系统能转化为强大的自我监督工具。本文通过实践案例,详解如何构建兼顾弹性和约束力的个性化打卡方案,帮助读者突破'三天打鱼两天晒网'的常见困境。

weixin_30047059的博客 336

零基础入门篇③ PyCharm使用指南(个性化设置、开发必备插件、常用快捷键)

Python从入门到精通👉零基础入门篇③

hacker707的博客 4374

【题解】Luogu P3110 [USACO14DEC]驮运Piggy Back

【题解】Luogu P3110 [USACO14DEC]驮运Piggy Back 题目描述 Bessie and her sister Elsie graze in different fields during the day, and in the evening they both want to walk back to the barn to rest. Being c...

C@bMv7GRVt)Q 305

RK3568 上C图像camera图像采集应用实例(二)

本文探索rk3568上实现C语言的 通过C v4l2 接口 采集图像 ,刷屏控制 drm的显示camera图像中 实现camera preview 预览 的实践和探索。

luoshanxuli2010的专栏 758

BZOJ[3891][Usaco2014 Dec]Piggy Back spfa

题目链接http://www.lydsy.com/JudgeOnline/problem.php?id=3891Description给定一个N(N≤40000\le 40000)个点M(M≤40000\le 40000)条边的无向图,其中Bessie在1号点,Elsie在2号点,它们的目的地为N号点。Bessie每经过一条边需要消耗B点能量,Elsie每经过一条边需要消耗E点能量。当它们相遇时,它

谁能代表肯德基 776

二维光子晶体禁带的遗传优化算法实现

二维光子晶体禁带的遗传优化算法MATLAB源代码 光子晶体中因周期性结构而存在的频率禁带称为光子禁带,光子禁带的存在是光子晶体具有广泛应用前景的重要原因。 禁带越大,可控光的频带也越宽,因此如何设计合适的晶体结构以获得大的光子禁带一直是研究和应用的重点与热点。 给大家讲解在平面波展开法的基础上,使用遗传算法寻找具有最大光子禁带的二维光子晶体结构。 %-------------------------------------------------------------------------- % Ph

m0_53407570的博客 583

OpenCV-Python实战(11)——OpenCV轮廓检测相关应用

在计算机视觉领域,轮廓通常指图像中对象边界的一系列点。因此,轮廓通常描述了对象边界的关键信息,包含了有关对象形状的主要信息,该信息可用于形状分析与对象检测和识别。在本文中,我们将学习如何利用获取到的轮廓,进行形状分析以及对象检测和识别。

盼小辉丶的博客 1万+
上一篇: Problem: 八中厕所的门
下一篇: Problem: 数字的拆分之一
赵崇延
博客等级 码龄8年 18粉丝 72原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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