本周总结(7.20-7.26)(搜索、拓扑排序、dijkstra)

本周总结涵盖DFS、BFS、拓扑排序、Dijkstra算法等图算法核心内容,深入解析算法实现细节,包括深度优先搜索、广度优先搜索、最短路径计算及优化技巧。

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


本周主要复习DFS,BFS,树与图的深度优先遍历,树与图的广度优先遍历,拓扑排序,Dijkstra等内容。

算法总结

dfs

遍历图或树

int dfs(int u)
{
    st[u] = true;

    for (int i = h[u]; i != -1; i = ne[i])
    {
        int j = e[i];
        if (!st[j]) dfs(j);
    }
}

bfs

遍历图或树

queue<int> q;
st[1] = true;
q.push(1);

while (q.size())
{
    int t = q.front();
    q.pop();

    for (int i = h[t]; i != -1; i = ne[i])
    {
        int j = e[i];
        if (!st[j])
        {
            st[j] = true;
            q.push(j);
        }
    }
}

拓扑排序

for (int i = 1; i <= n; i ++ ) //d[i]存储序号为i的点的入度
    if (d[i] == 0) //找出一个入度为0的点
    {
        tt = i;
        break;
    }
    
q.push(tt);
ans.push_back(tt); //ans为答案序列

while (q.size())
{
    int t = q.front();
    q.pop();
    
    for (int i = 0; i < g[t].size(); i ++ )
    {
        int j = g[t][i];
        d[j] -- ;
        if (d[j] == 0) //将入度为0的点加入队列
        {
            q.push(j);
            ans.push_back(j);
        }
    }
}

Dijkstra算法

朴素版

适用于稠密图,用邻接矩阵存储

int g[N][N];
int n, m, d[N];
bool st[N];

int dijkstra()
{
    memset(d, 0x3f, sizeof d);
    d[1] = 0;
    
    for (int i = 0; i < n; i ++ )
    {
        int t = -1;
        for (int j = 1; j <= n; j ++ )
        {
            if (!st[j] && (t == -1 || d[j] < d[t])) t = j;
        }
        
        st[t] = true;
        
        for (int j = 1; j <= n; j ++ )
            d[j] = min(d[j], d[t] + g[t][j]);
    }
    
    if (d[n] == 0x3f3f3f3f) return -1;
    return d[n];
}

堆优化版

适用于稀疏图,用领接表存储

int di()
{
    memset(d, 0x3f, sizeof d);
    d[1] = 0;
    
    priority_queue<PII, vector<PII>, greater<PII> > h;
    h.push({0, 1});
    
    while (h.size())
    {
        PII t = h.top();
        h.pop();
        int w = t.first, v = t.second;
        
        if (st[v]) continue;
        st[v] = true;
        for (int i = 0; i < g[v].size(); i ++)
        {
            PII j = g[v][i];
            if (d[j.first] > w + j.second)
            {
                d[j.first] = w + j.second;
                h.push({d[j.first], j.first});
            }
        }
    }
    
    if (d[n] == 0x3f3f3f3f) return -1;
    return d[n];
}

其它总结

  1. for each循环中使用&符号可加快运行速度。
  2. 浮点数二分算法中,循环结束条件一般比题目要求的精度高两个数量级。
  3. 三分算法可用于求二次函数的最值。
    模板
double cal()
{
	double l = MIN, r = MAX;
	while (r - l > 1e-6)
	{
	    double m1 = l + (r - l) / 3, m2 = l + (r - l) / 3 * 2;
	    if (f(m1) >= f(m2)) l = m1; //f为函数关系
	    else r = m2;
	}
	return f(r);
}
  1. 全排列有重复元素:通过if (i && a[i - 1] == a[i] && st[i - 1]) continue;剪枝(a是排好序的序列,st是标记数组)。
  2. 用dfs判断是否类型的问题时,dfs的返回类型为bool比void(用标记变量记录)快。
  3. bfs需要把遍历过的状态标记,防止死循环;一般用d数组表示距离;状态改变后要恢复现场。
  4. 走迷宫问题记录最短路径时,先反着从终点走到起点并记录上一步的位置,再正着走输出路径。
  5. priority_queue默认为大根堆,小根堆的定义:priority_queue<int, vector<int>, greater<int> > h;
  6. dijkstra算法求最短路需要标记数组。
内容概要:文章基于4A架构(业务架构、应用架构、数据架构、技术架构),对SAP的成本中心和利润中心进行了详细对比分析。业务架构上,成本中心是成本控制的责任单元,负责成本归集与控制,而利润中心是利润创造的独立实体,负责收入、成本和利润的核算。应用架构方面,两者都依托于SAP的CO模块,但功能有所区分,如成本中心侧重于成本要素归集和预算管理,利润中心则关注内部交易核算和获利能力分析。数据架构中,成本中心与利润中心存在多对一的关系,交易数据通过成本归集、分摊和利润计算流程联动。技术架构依赖SAP S/4HANA的内存计算和ABAP技术,支持实时核算与跨系统集成。总结来看,成本中心和利润中心在4A架构下相互关联,共同为企业提供精细化管理和决策支持。 适合人群:从事企业财务管理、成本控制或利润核算的专业人员,以及对SAP系统有一定了解的企业信息化管理人员。 使用场景及目标:①帮助企业理解成本中心和利润中心在4A架构下的运作机制;②指导企业在实施SAP系统时合理配置成本中心和利润中心,优化业务流程;③提升企业对成本和利润的精细化管理水平,支持业务决策。 其他说明:文章不仅阐述了理论概念,还提供了具体的应用场景和技术实现方式,有助于读者全面理解并应用于实际工作中。
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