uva437 DAG最长路 节点映射间接表达

本文介绍了一种解决DAG(有向无环图)中最长路径问题的模板记忆化搜索算法。通过结构体数组映射图节点,并利用动态规划思想优化搜索过程,避免重复计算。适用于ACM竞赛及相似问题求解。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

  1. DAG最长路的模板记忆化搜索。
  2. 当图节点是结构体时,利用结构体数组的下标映射到图中。

题目链接:http://acm.hust.edu.cn/vjudge/problem/viewProblem.action?id=19214

#include<cstdio>
#include<iostream>
#include<sstream>
#include<cstdlib>
#include<cmath>
#include<cctype>
#include<string>
#include<cstring>
#include<algorithm>
#include<stack>
#include<queue>
#include<set>
#include<map>
#include<ctime>
#include<vector>
#include<fstream>
#include<list>

#define ms(s) memset(s,0,sizeof(s))
#define INF 1000000000
typedef long long LL;
typedef unsigned long long ULL;

using namespace std;

struct node
{
    int a,b;
    int v;
    node(int a,int b,int v) : a(a),b(b),v(v){}
    node() = default;
};

int n;
bool G[95][95];
vector<node>arr;
int d[95];
int visited[95];

int dp(int i)
{
    int& ans = d[i];
    int big = 0;
    if(ans > 0)
        return ans;
    ans = arr[i].v;
    for(int j = 0; j < 3*n; ++j)
        if(G[i][j])
            big = max(big,dp(j));
    ans += big;
    return ans;
}


int main()
{
//    freopen("F:\\data.txt","r",stdin);//方便调试


    int x,y,z;
    int k = 0;
    while(scanf("%d",&n) != EOF)
    {
        k++;
        if(!n)
            break;
        ms(G);
        ms(d);
        ms(visited);
        arr.clear();
        for(int i = 0; i < n; ++i)
        {
            scanf("%d%d%d",&x,&y,&z);
            arr.push_back(node(x,y,z));
            arr.push_back(node(z,x,y));
            arr.push_back(node(y,z,x));
        }

        for(int i = 0; i < 3*n; ++i)
        {
            for(int j = i+1; j < 3*n; ++j)
            {
                if((arr[i].a > arr[j].a && arr[i].b > arr[j].b) || (arr[i].a > arr[j].b && arr[i].b > arr[j].a))
                    G[i][j] = true;
                else if((arr[i].a < arr[j].a && arr[i].b < arr[j].b) || (arr[i].a < arr[j].b && arr[i].b < arr[j].a))
                    G[j][i] = true;
            }
        }

        int maxed = 0;
        for(int i = 0; i < 3*n; ++i)
        {
            if(!visited[i])
            {
                visited[i] = true;
                maxed = max(maxed,dp(i));
            }
        }

        printf("Case %d: maximum height = %d\n",k,maxed);
    }





    return 0;
}


### DAG 最长路径的拓扑排序算法实现 在有向无环图 (Directed Acyclic Graph, DAG) 中,求解最长路径是一个经典问题。通过拓扑排序可以有效地解决这一问题。以下是基于拓扑排序的 DAG 最长路径算法的具体实现。 #### 算法描述 1. **初始化**: 对于每个节点 \( v \),设置初始的距离值 `dist[v]` 为负无穷大 (\(-\infty\)),除了源节点外。对于源节点 \( s \),设 `dist[s] = 0`。 2. **拓扑排序**: 使用 Kahn 算法或其他方法获取图的拓扑顺序。 3. **动态规划更新**: 遍历拓扑序列中的每一个节点 \( u \),并对其所有的邻居节点 \( v \) 更新距离值: \[ \text{dist}[v] = \max(\text{dist}[v], \text{dist}[u] + w(u,v)) \] 其中 \( w(u,v) \) 是边 \( (u, v) \) 的权重[^1]。 #### Python 实现代码 以下是一个完整的 Python 实现: ```python from collections import defaultdict, deque def longest_path_dag(graph, weights, source): """ 计算DAG最长路径 :param graph: 字典表示的邻接表 {node: [neighbors]} :param weights: 边权字典 {(u, v): weight} :param source: 起始节点 :return: dist 和 parent 数组 """ # Step 1: 初始化 n = len(graph) indegree = {node: 0 for node in range(n)} # 每个节点的入度 dist = {node: float('-inf') for node in range(n)} parent = {node: None for node in range(n)} # 构建入度表 for u in graph: for v in graph[u]: indegree[v] += 1 # 设置起点距离为0 dist[source] = 0 # Step 2: 执行Kahn算法进行拓扑排序 queue = deque([node for node in indegree if indegree[node] == 0]) topo_order = [] while queue: u = queue.popleft() topo_order.append(u) for v in graph[u]: indegree[v] -= 1 if indegree[v] == 0: queue.append(v) # Step 3: 动态规划计算最长路径 for u in topo_order: for v in graph[u]: if dist[v] < dist[u] + weights[(u, v)]: dist[v] = dist[u] + weights[(u, v)] parent[v] = u return dist, parent # 测试用例 if __name__ == "__main__": # 定义图结构 graph = { 0: [1, 2], 1: [3], 2: [3], 3: [] } # 定义边权 weights = { (0, 1): 5, (0, 2): 3, (1, 3): 6, (2, 3): 7 } # 源节点 source = 0 # 获取结果 distances, parents = longest_path_dag(graph, weights, source) print("Distances:", distances) print("Parents:", parents) ``` #### 输出解释 上述代码会返回两个主要的结果: 1. **`distances`**: 表示从源节点到其他所有节点最长路径长度。 2. **`parents`**: 存储前驱节点信息,用于重建具体的关键路径。 --- ### 关键概念解析 - **拓扑排序的重要性**: 在 DAG 中,拓扑排序确保了每条边的方向是从已处理的节点指向未处理的节点,从而避免循环依赖[^2]。 - **动态规划的核心思想**: 基于已经计算好的子问题最优解来逐步构建全局最优解。 ---
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