EOJ 4335 Connection (转化为求连通块个数

该博客探讨了一个编程问题,其中涉及从000转换到111的最短路径。通过将行和列视为图中的节点,作者展示了如何通过计算连通块数量来确定需要的最小操作数。代码示例中,使用了深度优先搜索来遍历连通块,并最终计算出结果。

4335. Connection

题解:
不能通过第二种方法从 0 0 0 变成 1 1 1 的需要多花费 1 1 1,只需要计算有最少有多少个第一种情况。考虑把每一行每一列看成一个独立的点共 ( N + M ) (N+M) (N+M) 个点,考虑点 ( x , y ) (x,y) (x,y) 1 1 1 ,则把对应的行 i i i 和列 j j j 连接。那么可以看出,在同一个连通块内的边都可以通过情况 2 2 2 得到。所以问题可以转化为连通块个数。
code:

#include<bits/stdc++.h>
using namespace std;
int n,m;
int cnt0;// 0的数量
int cnt;// 连通块的数量
string s[1010];
vector<int> adj[2010];
int v[2010];// 标记哪个点属于哪个
void dfs(int x)
{
    v[x] = 1;
    for(int y : adj[x])
    {
        if(v[y]) continue;
        dfs(y);
    }
}
int main()
{
    cin >> n >> m;
    for(int i = 0; i < n; i++)
    {
        cin >> s[i];
        for(int j = 0; j < m; j++)
            if(s[i][j] == '1')
            {
                adj[i].push_back(j + n);
                adj[j + n].push_back(i);
            }
            else
                cnt0++;
    }
    int res = 3 * cnt0;
    for(int i = 0; i < n + m; i++)
    {
        if(!v[i])
        {
            cnt++;
            dfs(i);
        }

    }
    cout << res + cnt - 1;
    return 0;
}

### 关于 EOJ 3681 的中位数问题解析 #### 题目概述 题目描述了一张由 \( n \) 个点和 \( m \) 条边组的有向无环图 (DAG),其中每个节点具有一个点权 \( A_i \)[^2]。目标是找到从起点 \( 1 \) 到终点 \( n \) 所有可能路径中的最大中位数值。 --- #### 解题思路分析 为了解此问题,需考虑以下几个方面: 1. **定义中位数** 对于一条路径上的点权序列,假设其长度为奇数,则中位数为按升序排列后的中间值;若长度为偶数,则通常取两个中间值的平均值作为中位数。 2. **二分查找法的应用** 要最大化路径的中位数,可以通过二分查找来逼近最优解。设定初始范围为所有点权的最大值和最小值之间,并逐步缩小范围直到满足精度条件(即绝对或相对误差小于 \( 10^{-4} \))[^3]。 3. **验证候选中位数的有效性** 给定当前猜测的中位数 \( mid \),通过调整权重重新构建图模型:将大于等于 \( mid \) 的点赋正权值,其余点赋负权值。随后利用动态规划或其他算法判断是否存在总权重非负的可行路径。 4. **实现细节** - 使用拓扑排序处理 DAG 图结构。 - 动态维护前缀和数组以便快速计算子路径权重之和。 以下是基于上述逻辑的具体代码实现: ```python from collections import deque, defaultdict def can_find_non_negative_path(graph, weights, threshold): """检查是否存在一条路径使得经过调整后的权重和 >= 0""" dp = [-float('inf')] * len(weights) order = topological_sort(graph) for node in order: if weights[node] >= threshold: current_weight = 1 else: current_weight = -1 dp[node] = max(dp[node], current_weight) for neighbor in graph.get(node, []): dp[neighbor] = max(dp[neighbor], dp[node]) return dp[-1] >= 0 def topological_sort(graph): """对给定的 DAG 进行拓扑排序""" indegree = {node: 0 for node in range(len(graph))} queue = deque() for u in graph: for v in graph[u]: indegree[v] += 1 for node in indegree: if indegree[node] == 0: queue.append(node) result = [] while queue: curr = queue.popleft() result.append(curr) for next_node in graph[curr]: indegree[next_node] -= 1 if indegree[next_node] == 0: queue.append(next_node) return result def find_max_median(n, edges, values): """主函数用于寻找最大中位数""" INF = float('inf') low, high = min(values), max(values) precision = 1e-5 graph = defaultdict(list) # 构建邻接表表示的图 for a, b in edges: graph[a].append(b) best_mid = -INF while abs(high - low) > precision: mid = (low + high) / 2 if can_find_non_negative_path(graph, values, mid): best_mid = max(best_mid, mid) low = mid else: high = mid return round((best_mid + low) / 2, 5) # 输入样例测试部分省略... ``` --- #### 复杂度分析 - 时间复杂度主要取决于二分次数以及每次验证操作的时间开销。假设有 \( k \) 层次迭代完二分过程,则整体时间复杂度大约为 \( O(k \cdot E) \),其中 \( E \) 表示边的数量。 - 空间复杂度则受存储图数据结构的影响,约为 \( O(V+E) \),\( V \) 和 \( E \) 分别代表顶点数目与边数量。 ---
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