PAT 1003. Emergency

本文详细介绍了如何使用Dijkstra算法解决最短路径问题,不仅关注于路径的长度,还考虑了路径上的点权之和。通过引入两个辅助数组numberPath和numberTeam,分别用于记录最短路径的条数和路径上的最大点权和。当新顶点加入时,根据更新的距离值调整路径条数和点权和,确保最优解的持续有效性。

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

【题目链接】

一开始看错了题目,以为第一个输出是要求最短距离,后来才发现是要求最短路径的条数。对于最短路径的条数和点权之和我们可以分别用两个数组numberPath[]和numberTeam[]来实现,numberPath[i]记录从起点到顶点i的最短路径的条数,numberTeam[i]记录从从起点到顶点i的所有最短路径中点权之和的最大值。然后当加入新的顶点之后得到的距离等于原来的最短距离,则对numberPath进行累加,此时如果新的最短路径上的点权之和最大,则更新numberTeam。

若加入新的顶点之后距离更小了,则更新最短距离,重置最短路径条数为起点到加入的点之间的最短路径条数,并重新计算新的最短路径上的点权之和。

提交代码:

<span style="font-size:18px;">#include <iostream>
#include <algorithm>
using namespace std;
const int MAXV = 510;
const int INF = 10000000;
int n, m, G[MAXV][MAXV];
int d[MAXV]; //记录起点到各点的最短路径长度
bool vis[MAXV] = {false};
int team[MAXV]; //记录每个城市的team数量,即点权
int currentV, saveV; //起点和终点
int numberPath[MAXV]; //记录起点到各点的最短路径的条数
int numberTeam[MAXV]; //记录起点到各点最短路径上经过的所有点的权值之和

void Dijkstra()
{
    d[currentV] = 0; //起点到自身的距离为0
    numberTeam[currentV] = team[currentV]; //到起点的总权值之和初始化为起点的点权
    for(int i = 0; i < n; i++) //选到起点距离最小的点
    {
        int u = -1, MIN = INF;
        for(int j = 0; j < n; j++)
            if(!vis[j] && d[j] < MIN)
                MIN = d[u = j];
        if(u == -1) return ; //如果所有的点都加入集合了,则返回
        vis[u] = true;
        for(int v = 0; v < n; v++)
            if(!vis[v])
            {
                if(d[u] + G[u][v] == d[v])
                {
                    numberPath[v] += numberPath[u]; //累加最短路径的条数
                    if(numberTeam[u] + team[v] >  numberTeam[v]) //找到更大的,则更新总的点权
                        numberTeam[v] = numberTeam[u] + team[v];

                }
                else if(d[u] + G[u][v] < d[v])
                {
                    numberPath[v] = numberPath[u];
                    d[v] = d[u] + G[u][v]; //更新最短距离
                    numberTeam[v] = numberTeam[u] + team[v]; //计算最短路径上的点权之和
                }
            }
    }
}

int main()
{
    //freopen("in.txt", "r", stdin);
    cin >> n >> m >> currentV >> saveV; //输入城市的个数、路的条数、当前所在地和目的地
    for(int i = 0; i < n; i++)
        cin >> team[i];
    for(int i = 0; i < n; i++) //初始化邻接矩阵G
        for(int j = 0; j < n; j++)
            G[i][j] = INF;
    fill(d, d + MAXV, INF); //初始化距离为无穷大
    fill(numberPath, numberPath + MAXV, 1); //初始化 起点到各点的路径条数为1
    int start, end, distance;
    for(int i = 0; i < m; i++)
    {
        cin >> start >> end >> distance;
        G[start][end] = G[end][start] = distance;
    }
    Dijkstra();
    cout << numberPath[saveV] << " " << numberTeam[saveV];
}
</span>


内容概要:该研究通过在黑龙江省某示范村进行24小时实地测试,比较了燃煤炉具与自动/手动进料生物质炉具的污染物排放特征。结果显示,生物质炉具相比燃煤炉具显著降低了PM2.5、CO和SO2的排放(自动进料分别降低41.2%、54.3%、40.0%;手动进料降低35.3%、22.1%、20.0%),但NOx排放未降低甚至有所增加。研究还发现,经济性和便利性是影响生物质炉具推广的重要因素。该研究不仅提供了实际排放数据支持,还通过Python代码详细复现了排放特征比较、减排效果计算和结果可视化,进一步探讨了燃料性质、动态排放特征、碳平衡计算以及政策建议。 适合人群:从事环境科学研究的学者、政府环保部门工作人员、能源政策制定者、关注农村能源转型的社会人士。 使用场景及目标:①评估生物质炉具在农村地区的推广潜力;②为政策制定者提供科学依据,优化补贴政策;③帮助研究人员深入了解生物质炉具的排放特征和技术改进方向;④为企业研发更高效的生物质炉具提供参考。 其他说明:该研究通过大量数据分析和模拟,揭示了生物质炉具在实际应用中的优点和挑战,特别是NOx排放增加的问题。研究还提出了多项具体的技术改进方向和政策建议,如优化进料方式、提高热效率、建设本地颗粒厂等,为生物质炉具的广泛推广提供了可行路径。此外,研究还开发了一个智能政策建议生成系统,可以根据不同地区的特征定制化生成政策建议,为农村能源转型提供了有力支持。
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