POJ 3723 Conscription kruskal算法

本文介绍了一个关于征兵问题的算法题,通过构建图模型并运用Kruskal算法来解决最小化征兵成本的问题。文章详细展示了如何通过调整输入数据结构和算法流程实现最优解。

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

题目:

http://poj.org/problem?id=3723

题意:

有n+m个人要征兵,n女m男,征兵每人要花费10000元,第x个女生和第y个男生有关系,那么当两者任意一个已经被征兵时,另外一个就可以少花费d元,求安排一个征兵次序,使花费最少

思路:

把男生偏移n位,就可以把所有人看成一个图上的点。我们可以求出最大的减少的花费,用预定的花费(n+m) * 10000减去即可。求最大减少花费,首先把费用取反,然后用kruskal算法就可以求出。注意本题的图可能是不连通的,直接用kruskal算法求最少花费的话,要考虑求得的图是几块,比较麻烦

#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>
#include <queue>
#include <map>
using namespace std;

const int N = 20010, INF = 0x3f3f3f3f;
int n, m, r;
struct edge
{
    int st, en, cost;
} g[N*10];
int par[N];
bool cmp(edge a, edge b)
{
    return a.cost < b.cost;
}
void init(int n)
{
    for(int i = 0; i <= n; i++) par[i] = i;
}
int _find(int x)
{
    int r = x, i = x, j;
    while(r != par[r]) r = par[r];
    while(i != r) j = par[i], par[i] = r, i = j;
    return r;
}
void unite(int x, int y)
{
    x = _find(x), y = _find(y);
    if(x == y) return;
    par[x] = y;
}
int kruskal()
{
    sort(g + 1, g + 1 + r, cmp);
    init(n + m);
    int sum = 0;
    for(int i = 1; i <= r; i++)
        if(_find(g[i].st) != _find(g[i].en))
            sum += g[i].cost, unite(g[i].st, g[i].en);
    return sum;
}
int main()
{
    int t;
    scanf("%d", &t);
    while(t--)
    {
        scanf("%d%d%d", &n, &m, &r);
        for(int i = 1; i <= r; i++)
        {
            scanf("%d%d%d", &g[i].st, &g[i].en, &g[i].cost);
            g[i].en += n, g[i].cost = -g[i].cost;
        }
        printf("%d\n", (n + m) * 10000 + kruskal());
    }
    return 0;
}
内容概要:《中文大模型基准测评2025年上半年报告》由SuperCLUE团队发布,详细评估了2025年上半年中文大模型的发展状况。报告涵盖了大模型的关键进展、国内外大模型全景图及差距、专项测评基准介绍等。通过SuperCLUE基准,对45个国内外代表性大模型进行了六大任务(数学推理、科学推理、代码生成、智能体Agent、精确指令遵循、幻觉控制)的综合测评。结果显示,海外模型如o3、o4-mini(high)在推理任务上表现突出,而国内模型如Doubao-Seed-1.6-thinking-250715在智能体Agent和幻觉控制任务上表现出色。此外,报告还分析了模型性价比、效能区间分布,并对代表性模型如Doubao-Seed-1.6-thinking-250715、DeepSeek-R1-0528、GLM-4.5等进行了详细介绍。整体来看,国内大模型在特定任务上已接近国际顶尖水平,但在综合推理能力上仍有提升空间。 适用人群:对大模型技术感兴趣的科研人员、工程师、产品经理及投资者。 使用场景及目标:①了解2025年上半年中文大模型的发展现状与趋势;②评估国内外大模型在不同任务上的表现差异;③为技术选型和性能优化提供参考依据。 其他说明:报告提供了详细的测评方法、评分标准及结果分析,确保评估的科学性和公正性。此外,SuperCLUE团队还发布了多个专项测评基准,涵盖多模态、文本、推理等多个领域,为业界提供全面的测评服务。
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