codeforces 742c Arpa's loud Owf and Mehrdad's evil plan

本文介绍了一种算法,用于解决特定有向图中寻找一个最小长度k的问题,使得任意节点通过长度k的路径既可达某一节点y,又可从y返回原节点。该算法基于图的环特性,并利用了最小公倍数的概念。
题意
给定一个有向图,每个点出度为1,各个边长度为1。
求一个最小的k,使得对于每个点,经过k长度到达y,从y出发经过k到达原点。
思路
如果存在k,那么有向图一定由多个环组成。
k即为每个奇数环长度和每个偶数环1/2长度的最小公倍数。
代码
#include <stdio.h>
#include <string.h>
#include <vector>
using namespace std;
vector <int>ans;
int n,c[110],visit[110];
long long gcd(long long a,long long b){
    return a == 0?b:gcd(b%a,a);
}
int dfs(int u,int st,int d){
    visit[u] = 1;
    if(c[u] == st) return d+1;
    else if(visit[c[u]]) return -1;
    return dfs(c[u],st,d+1);
}
int main(){
    scanf("%d",&n);
    for(int i = 1;i <= n;i ++) scanf("%d",&c[i]);
    int flag = 1;
    for(int i = 1;i <= n;i ++){
        if(!visit[i]) {
            int tmp = dfs(i,i,0);
            if(tmp == -1) {
                flag = -1;break;
            }
            else ans.push_back(tmp);
        }
    }
    if(flag == -1) printf("-1\n");
    else{
        long long numans = 1;
        flag = 1;
        for(int i = 0;i < ans.size();i ++){
            long long tmp = ans[i]%2?ans[i]:ans[i]/2;
            numans = numans * tmp / gcd(numans,tmp); 
            if(i != 0 && flag && ans[i] != ans[i - 1]) flag = 0;
        }
        printf("%I64d\n",numans);
    }
    return 0;
}
### 关于 Codeforces 上 'Neo's Escape' 的解决方案 在解决 Codeforces 平台上的 `'Neo's Escape'` 问题时,通常需要考虑图论中的最短路径算法以及动态规划的应用。以下是对此类问题可能涉及的核心概念和技术的分析: #### 图论与最短路径 该问题可以被建模为在一个加权有向图中寻找从起点到终点的最优路径。Dijkstra 算法是一种常用的方法来计算单源最短路径[^1]。如果边权重均为正数,则 Dijkstra 是一种高效的选择。 ```python import heapq def dijkstra(graph, start): distances = {node: float('inf') for node in graph} distances[start] = 0 priority_queue = [(0, start)] while priority_queue: current_distance, current_node = heapq.heappop(priority_queue) if current_distance > distances[current_node]: continue for neighbor, weight in graph[current_node].items(): distance = current_distance + weight if distance < distances[neighbor]: distances[neighbor] = distance heapq.heappush(priority_queue, (distance, neighbor)) return distances ``` #### 动态规划优化 对于某些变体问题,除了简单的最短路径外,还需要引入状态转移方程来进行进一步优化。例如,在存在多种属性约束的情况下(如时间、能量),可以通过定义多维数组 `dp[i][j]` 来表示到达节点 i 使用 j 单位资源所需的最小代价[^2]。 #### 讨论与实现细节 社区内的讨论往往围绕如何处理特殊边界条件展开,比如是否存在负环路或者超大数据集下的性能调优等问题。此外,部分参赛者会分享他们关于数据结构选取的经验教训,例如优先队列 vs. 堆栈的不同适用场景[^3]。
评论 1
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