luogu2024食物链

点这里看题
题目描述

动物王国中有三类动物 A,B,C,这三类动物的食物链构成了有趣的环形。A 吃 B,B

吃 C,C 吃 A。

现有 N 个动物,以 1 - N 编号。每个动物都是 A,B,C 中的一种,但是我们并不知道

它到底是哪一种。

有人用两种说法对这 N 个动物所构成的食物链关系进行描述:

第一种说法是“1 X Y”,表示 X 和 Y 是同类。

第二种说法是“2 X Y”,表示 X 吃 Y 。

此人对 N 个动物,用上述两种说法,一句接一句地说出 K 句话,这 K 句话有的是真

的,有的是假的。当一句话满足下列三条之一时,这句话就是假话,否则就是真话。

• 当前的话与前面的某些真的话冲突,就是假话

• 当前的话中 X 或 Y 比 N 大,就是假话

• 当前的话表示 X 吃 X,就是假话

你的任务是根据给定的 N 和 K 句话,输出假话的总数。

输入输出格式

输入格式:
从 eat.in 中输入数据

第一行两个整数,N,K,表示有 N 个动物,K 句话。

第二行开始每行一句话(按照题目要求,见样例)

输出格式:
输出到 eat.out 中

一行,一个整数,表示假话的总数。
——————————————————
思路:
并查集老题(一开始总在逻辑上绕来绕去,卡了好久QAQ);
其实完全可以用三个并查集,分别存下同类,天敌,食物;
为了好写,开一个三倍的数组,同类,天敌,食物分别为aa[x]
aa[x+n],aa[x+2*n];

#include<bits/stdc++.h>
using namespace std;
int n,k,ans=0,aa[150005];
int find(int v)
{
    if(aa[v]==v) return v;
    else return aa[v]=find(aa[v]);
}
void meg(int a,int b)
{
    int t1=find(a),t2=find(b);
    if(t1!=t2) aa[t1]=t2;
}
int main()
{
    scanf("%d%d",&n,&k);
    for(int i=0;i<=3*n;i++) aa[i]=i;
    for(int i=1;i<=k;i++)
    {
        int x,y,z;
        scanf("%d%d%d",&z,&x,&y);
        if(x>n||y>n) {ans++;continue;}
        if(z==1) 
        {
            if(find(x+n)==find(y)||find(x+2*n)==find(y)) {ans++;continue;}
            else meg(x,y),meg(x+n,y+n),meg(x+2*n,y+2*n);//合并xy的所有内容;
        }
        if(z==2)
        {
            if(find(x)==find(y)||find(x+2*n)==find(y)) {ans++;continue;}
            else meg(x,y+2*n),meg(x+n,y),meg(x+2*n,y+n);//这是一个圈,所以xy按一定顺序对应;
        }
    }
    printf("%d",ans);
}
基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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