EOJ 2026/POJ 3662/USACO 2008 Jan. Telephone Lines「spfa + 二分」

本文介绍了一种求解从点1到点n第(k+1)长路径的最小值问题的方法。通过二分查找确定路径长度,并利用SPFA算法进行验证。文章提供了完整的C++代码实现。

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

题目简介


求从点1到点n第(k+1)长的路径的最小值。

说明


二分第(k+1)长的路径的长度,小于这个长度的可以看作权值为0, 大于这个长度的可以看作权值为1。跑spfa作为二分的判断条件。

#include <bits/stdc++.h>
using namespace std;

const int INF = 0x3f3f3f3f;
const int maxn = 1005;
struct edge
{
    int nxt, from, to, w;
}g[maxn*20];
int n, m, k, cnt, dis[maxn], head[maxn], mp[maxn][maxn];
bool vis[maxn];

inline void add(int u, int v, int w)
{
    g[++cnt] = (edge){head[u], u, v, w};
    head[u] = cnt;
}

inline bool spfa(int length)
{
    for (int i = 1; i <= n; ++i)
    {
        dis[i] = INF;
        vis[i] = false;
    }
    for (int i = 1; i < maxn; ++i)
        for (int j = 1; j < maxn; ++j)
            mp[i][j] = -1;
    for (int i = 1; i <= cnt; ++i)
        if (g[i].w > length)
            mp[g[i].from][g[i].to] = mp[g[i].to][g[i].from] = 1;
        else
            mp[g[i].from][g[i].to] = mp[g[i].to][g[i].from] = 0;

    queue<int> q;
    dis[1] = 0; vis[1] = true;
    q.push(1);
    while (!q.empty())
    {
        int u = q.front(); q.pop();
        vis[u] = false;
        for (int i = 1; i <= n; ++i)
            if (~mp[u][i] && dis[i] > dis[u] + mp[u][i])
            {
                dis[i] = dis[u] + mp[u][i];
                if (!vis[i])
                {
                    vis[i] = true;
                    q.push(i);
                }
            }
    }
    return dis[n] <= k;
}

int main()
{
    int u, v, w, l = 0, r = 0, ans = -1;
    cin >> n >> m >> k;
    for (int i = 1; i <= m; ++i)
    {
        scanf("%d%d%d", &u, &v, &w);
        add(u, v, w);
        add(v, u, w);
        r = max(r, w);
    }
    while (l <= r)
    {
        int mid = (l+r) >> 1;
        if (spfa(mid))
        {
            r = mid-1;
            ans = mid;
        } else l = mid+1;
    }
    printf("%d\n", ans);
    return 0;
}
资源下载链接为: https://pan.quark.cn/s/22ca96b7bd39 在当今的软件开发领域,自动化构建与发布是提升开发效率和项目质量的关键环节。Jenkins Pipeline作为一种强大的自动化工具,能够有效助力Java项目的快速构建、测试及部署。本文将详细介绍如何利用Jenkins Pipeline实现Java项目的自动化构建与发布。 Jenkins Pipeline简介 Jenkins Pipeline是运行在Jenkins上的一套工作流框架,它将原本分散在单个或多个节点上独立运行的任务串联起来,实现复杂流程的编排与可视化。它是Jenkins 2.X的核心特性之一,推动了Jenkins从持续集成(CI)向持续交付(CD)及DevOps的转变。 创建Pipeline项目 要使用Jenkins Pipeline自动化构建发布Java项目,首先需要创建Pipeline项目。具体步骤如下: 登录Jenkins,点击“新建项”,选择“Pipeline”。 输入项目名称和描述,点击“确定”。 在Pipeline脚本中定义项目字典、发版脚本和预发布脚本。 编写Pipeline脚本 Pipeline脚本是Jenkins Pipeline的核心,用于定义自动化构建和发布的流程。以下是一个简单的Pipeline脚本示例: 在上述脚本中,定义了四个阶段:Checkout、Build、Push package和Deploy/Rollback。每个阶段都可以根据实际需求进行配置和调整。 通过Jenkins Pipeline自动化构建发布Java项目,可以显著提升开发效率和项目质量。借助Pipeline,我们能够轻松实现自动化构建、测试和部署,从而提高项目的整体质量和可靠性。
### 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 \( m \) 条边组成的有向无环图 (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 为了求解此问题,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 \( k \) 层次迭代完成二分过程,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
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