ZOJ 3641 Information Sharing

本文介绍了一个基于并查集的数据结构实现信息共享的方法。通过维护一组集合,当两个节点进行信息共享时,将它们所在的集合合并。利用C++ STL中的set容器来存储每个集合内的元素,并确保在集合合并过程中正确更新信息。文章提供了完整的代码示例,包括如何处理用户的到达、分享和检查操作。

今天老是细节上出错,很不爽。

并查集,维护set数组,注意及时释放内存。STL果然不是一般的大常数……

#include <algorithm>
#include <iostream>
#include <fstream>
#include <sstream>
#include <iomanip>

#include <map>
#include <set>
#include <list>
#include <stack>
#include <queue>
#include <deque>
#include <vector>
#include <string>
#include <bitset>
#include <memory>
#include <complex>
#include <numeric>

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <math.h>
#include <time.h>
#include <ctype.h>
#include <locale.h>

using namespace std;

#pragma pack(4)

const double  eps = 1e-8;
const double   pi = acos(-1.0);
const int     inf = 0x7f7f7f7f;

#define   at(a,i) ((a)&(1<<(i)))
#define   nt(a,i) ((a)^(1<<(i)))
#define set1(a,i) ((a)|(1<<(i)))
#define set0(a,i) ((a)&(~(1<<(i))))

#define gret(a,b) (((a)-(b))>eps)
#define less(a,b) (((b)-(a))>eps)
#define greq(a,b) (((a)-(b))>-eps)
#define leeq(a,b) (((b)-(a))>-eps)
#define equl(a,b) (fabs((a)-(b))<eps)

#define lmax(a,b) ((a)>(b)?(a):(b))
#define lmin(a,b) ((a)<(b)?(a):(b))
#define fmax(a,b) (gret(a,b)?(a):(b))
#define fmin(a,b) (less(a,b)?(a):(b))

const int MAXV = 100001;

int pa[MAXV];
set<int> info[MAXV];

int getPa(int i)
{
    if(pa[i]!=i) return pa[i]=getPa(pa[i]);
    else return i;
}
void Union(int i,int j)
{
    int x=getPa(i);
    int y=getPa(j);
    if(x!=y)
    {
        info[pa[x]=y].insert(info[x].begin(),info[x].end());
        info[x].clear();
    }
}

int n,m,w;
string o,u,v;
map<string,int> name;

int main()
{
    #ifndef ONLINE_JUDGE
    freopen("Information Sharing.txt","r",stdin);
    #endif

    while(cin>>n)
    {
        for(int i=1;n>=i;i++)
        {
            pa[i]=i;
            info[i].clear();
        }

        int cnt=0;
        name.clear();

        for(int i=1;n>=i;i++)
        {
            cin>>o;
            if(o=="arrive")
            {
                cin>>u>>m;
                if(!name[u]) name[u]=++cnt;
                while(m--)
                {
                    cin>>w;
                    info[getPa(name[u])].insert(w);
                }
            }
            else if(o=="share")
            {
                cin>>u>>v;
                if(!name[u]) name[u]=++cnt;
                if(!name[v]) name[v]=++cnt;
                Union(name[u],name[v]);
            }
            else if(o=="check")
            {
                cin>>u;
                if(!name[u]) name[u]=++cnt;
                cout<<info[getPa(name[u])].size()<<endl;
            }
        }
    }
    return 0;
}

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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