hdu 4857 逃生(反向拓扑)

本文介绍了一种在特定约束条件下进行拓扑排序的问题,并通过逆向拓扑排序的方法解决了富人优先的问题。给出的代码实现了该算法并确保了富有人群在队伍中尽可能靠前。

逃生

Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others)
Total Submission(s): 3654    Accepted Submission(s): 1041


Problem Description
糟糕的事情发生啦,现在大家都忙着逃命。但是逃命的通道很窄,大家只能排成一行。

现在有n个人,从1标号到n。同时有一些奇怪的约束条件,每个都形如:a必须在b之前。
同时,社会是不平等的,这些人有的穷有的富。1号最富,2号第二富,以此类推。有钱人就贿赂负责人,所以他们有一些好处。

负责人现在可以安排大家排队的顺序,由于收了好处,所以他要让1号尽量靠前,如果此时还有多种情况,就再让2号尽量靠前,如果还有多种情况,就让3号尽量靠前,以此类推。

那么你就要安排大家的顺序。我们保证一定有解。
 

Input
第一行一个整数T(1 <= T <= 5),表示测试数据的个数。
然后对于每个测试数据,第一行有两个整数n(1 <= n <= 30000)和m(1 <= m <= 100000),分别表示人数和约束的个数。

然后m行,每行两个整数a和b,表示有一个约束a号必须在b号之前。a和b必然不同。
 

Output
对每个测试数据,输出一行排队的顺序,用空格隔开。
 

Sample Input
  
1 5 10 3 5 1 4 2 5 1 2 3 4 1 4 2 3 1 5 3 5 1 2
 

Sample Output
  
1 2 3 4 5
思路:明显的拓扑排序。注意题目中还有一个条件,就是序号小的要尽量靠前

比如

3

3 1

3 1

这个测试样例,直接拓扑会出来2 3 1

然而正确结果是3 1 2(1尽量靠前)

那么怎么办呢?  考虑逆向拓扑,然后倒着输出,这样大的就会尽量输出在后面,就能达到我们的目的了。

代码:

#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>
#include <queue>
using namespace std;
#define N 30050
int d[N],ans[N];
struct Edge
{
    int u,v,next;
} edge[N*10];
struct Node
{
    int v;
};
bool operator <(Node a,Node b)
{
    return a.v<b.v;
}
int cnt,head[N];
void addedge(int u,int v)
{
    edge[cnt].u=u;
    edge[cnt].v=v;
    edge[cnt].next=head[u];
    head[u]=cnt++;
}
int main()
{
    int T,n,m;
    int u,v;
    scanf("%d",&T);
    while(T--)
    {
        priority_queue<Node> q;
        memset(head,-1,sizeof(head));
        memset(d,0,sizeof(d));
        cnt=1;
        scanf("%d %d",&n,&m);
        for(int i=1; i<=m; i++)
        {
            scanf("%d %d",&u,&v);
            d[u]++;
            addedge(u,v);
            addedge(v,u);
        }
        for(int i=1; i<=n; i++)
            if(!d[i])
            {
                Node now;
                now.v=i;
                q.push(now);
            }
            int num=0;
        while(!q.empty())
        {
            num++;
            Node uu=q.top();
            int u=uu.v;
            q.pop();
            for(int i=head[u]; i!=-1; i=edge[i].next)
            {
                int v=edge[i].v;
                d[v]--;
                if(!d[v])
                {
                    Node now;
                    now.v=v;
                    q.push(now);
                }
            }
            ans[num]=u;
        }
        for(int i=n;i>1;i--)
            printf("%d ",ans[i]);
        printf("%d\n",ans[1]);
    }
    return 0;
}



【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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