HDU-3768-Shopping

本文探讨了旅行商问题的一种解决方法,通过结合最短路径算法与深度优先搜索实现。首先利用单源最短路径算法预处理各节点间的最短距离,接着构建一张无向完全图,并使用DFS寻找遍历所有商店再返回起点的最短路径。

ACM模版

描述

描述

题解

给定若干商店,需要遍历一趟遍历所有商店并返回起点0,求最短路~~~,这道题由于商店很少,所以可以最短路+dfs,首先单源最短路求0到各个商店距离,然后将商店和商店、商店和起点的所有最短路入另一张图中,构建一张无向完全图,然后dfs即可。

代码

#include <iostream>
#include <cstdio>
#include <cstring>
#include <queue>

using namespace std;

const int INF = 0x3f3f3f3f;
const int MAXN = 1e5 + 10;
const int MAXM = 15;

int k;
int head[MAXN];
int head_[MAXM];
int lowcost[MAXM][MAXN];
bool vis[MAXN];
bool vis_[MAXM];


struct
{
    int v;
    int w;
    int next;
} edge[MAXN * 2], dege_[MAXM * MAXM];

void add(int u, int v, int w)
{
    edge[k].v = v;
    edge[k].w = w;
    edge[k].next = head[u];
    head[u] = k++;
}

void add_(int u, int v, int w)
{
    dege_[k].v = v;
    dege_[k].w = w;
    dege_[k].next = head_[u];
    head_[u] = k++;
}

void spfa(int s, int n, int *dis)
{
    int st,ed;
    queue<int> x;
    memset(vis, false, sizeof(vis));
    for (int i = 0; i < n; i++)
    {
        dis[i] = INF;
    }
    dis[s] = 0;
    x.push(s);
    while (!x.empty())
    {
        st = x.front();
        x.pop();
        vis[st] = false;
        for (int i = head[st]; i != -1; i = edge[i].next)
        {
            ed = edge[i].v;
            if (dis[ed] > dis[st] + edge[i].w)
            {
                dis[ed] = dis[st] + edge[i].w;
                if (!vis[ed])
                {
                    vis[ed] = true;
                    x.push(ed);
                }
            }
        }
    }
}

int dfs(int s, int res, int n, int c)
{
    int ans = INF;
    vis_[s] = true;
    if (s == 0)
    {
        if (c == n)
        {
            return res;
        }
        else
        {
            return INF;
        }
    }
    for (int i = head_[s]; i != -1; i = dege_[i].next)
    {
        int v = dege_[i].v;
        if (!vis_[v] || v == 0)
        {
            ans = min(ans, dfs(v, res + dege_[i].w, n, c + 1));
        }
    }
    vis_[s] = false;
    return ans;
}

int main()
{
    int t;
    cin >> t;

    int n, m;
    int p[MAXM], q, cnt, ans;
    while (t--)
    {
        k = cnt = 0;
        ans = INF;
        memset(head, -1, sizeof(head));
        memset(head_, -1, sizeof(head_));

        cin >> n >> m;

        int u, v, w;
        while (m--)
        {
            scanf("%d%d%d", &u, &v, &w);
            add(u,v,w);
            add(v,u,w);
        }

        cin >> q;
        p[cnt] = 0;
        spfa(0, n, lowcost[cnt]);
        cnt++;
        while (q--)
        {
            scanf("%d", p + cnt);
            spfa(p[cnt], n, lowcost[cnt]);
            cnt++;
        }
        k = 0;
        for (int i = 0; i < cnt; i++)
        {
            for (int j = 0; j < cnt; j++)
            {
                if (i != j)
                {
                    add_(i, j, lowcost[i][p[j]]);
                }
            }
        }
        for (int i = 1; i < cnt; i++)
        {
            memset(vis_, false, sizeof(vis_));
            vis_[0] = true;
            ans = min(ans, dfs(i, lowcost[0][p[i]], cnt, 1));
        }
        printf("%d\n", ans);
    }

    return 0;
}

参考

《最短路》

HDU-3480 是一个典型的动态规划问题,其题目标题通常为 *Division*,主要涉及二维费用背包问题或优化后的动态规划策略。题目大意是:给定一个整数数组,将其划分为若干个连续的子集,每个子集多包含 $ m $ 个元素,并且每个子集的大值与小值之差不能超过给定的阈值 $ t $,目标是使所有子集的划分代价总和小。每个子集的代价是该子集大值与小值的差值。 ### 动态规划思路 设 $ dp[i] $ 表示前 $ i $ 个元素的小代价。状态转移方程如下: $$ dp[i] = \min_{j=0}^{i-1} \left( dp[j] + cost(j+1, i) \right) $$ 其中 $ cost(j+1, i) $ 表示从第 $ j+1 $ 到第 $ i $ 个元素构成一个子集的代价,即 $ \max(a[j+1..i]) - \min(a[j+1..i]) $。 为了高效计算 $ cost(j+1, i) $,可以使用滑动窗口或单调队列等数据结构来维护区间大值与小值,从而将时间复杂度优化到可接受的范围。 ### 示例代码 以下是一个简化版本的动态规划实现,使用暴力方式计算区间代价,适用于理解问题结构: ```cpp #include <bits/stdc++.h> using namespace std; const int INF = 0x3f3f3f3f; const int MAXN = 10010; int a[MAXN]; int dp[MAXN]; int main() { int T, n, m; cin >> T; for (int Case = 1; Case <= T; ++Case) { cin >> n >> m; for (int i = 1; i <= n; ++i) cin >> a[i]; dp[0] = 0; for (int i = 1; i <= n; ++i) { dp[i] = INF; int mn = a[i], mx = a[i]; for (int j = i; j >= max(1, i - m + 1); --j) { mn = min(mn, a[j]); mx = max(mx, a[j]); if (mx - mn <= T) { dp[i] = min(dp[i], dp[j - 1] + mx - mn); } } } cout << "Case " << Case << ": " << dp[n] << endl; } return 0; } ``` ### 优化策略 - **单调队列**:可以使用两个单调队列分别维护当前窗口的大值与小值,从而将区间代价计算的时间复杂度从 $ O(n^2) $ 降低到 $ O(n) $。 - **斜率优化**:若问题满足特定的决策单调性,可以考虑使用斜率优化技巧进一步加速状态转移过程。 ### 时间复杂度分析 原始暴力解法的时间复杂度为 $ O(n^2) $,在 $ n \leq 10^4 $ 的情况下可能勉强通过。通过单调队列优化后,可以稳定运行于 $ O(n) $ 或 $ O(n \log n) $。 ### 应用场景 HDU-3480 的问题模型可以应用于资源调度、任务划分等场景,尤其适用于需要控制子集内部差异的问题,如图像分块压缩、数据分段处理等[^1]。 ---
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