hdu 3038 How Many Answers Are Wrong

本文介绍如何使用并查集解决给定区间和的问题,包括数据预处理、区间合并和冲突检测。通过实例演示了从输入数据到输出结果的完整流程。

题意:有 n 个数,你不知道它们的值, 然后又有 m 行数,每行 a ,b ,c,表示 a 到 b 之间所有数的和为c(包含了第a个和第b个数)。但是这m行数里面有些是错的,就是与前面给的条件相冲突的,求有几行数据是错的。
思路:用并查集,同样,还是需要一个辅助数组r[]记录每一个点跟根节点的关系。
首先我们可以把问题稍微转化一下,就是如果已知[3,6],[7,10]俩个区间内各自所有数的和,那么就可以[3,10]内所有数的和,可是,这俩个区间根本就不衔接,所有要稍微处理一下,将左区间值减1,就变成了[2,6],[6,10],这样就方便处理了。
既然这样的话,[2,6]区间内所有数的和就完全可以等价于点2到点7之间的距离了。

对于r[a]=r[y]+sum-r[x]

其中r[y]表示y到b的距离,r[x]表示x到a的距离,sum表示x到y的距离,
要将a接到b后面,那么r[a]很表示a到b的距离

例如:下图在一条线上有4个点,a为x的根节点,b为y的根节点。

        sum

  -------------

  x   a        y    b           可得出a到b的距离为r[y]+sum-r[x]

  -----        ------

  r[x]      r[y]


#include<stdio.h>
#define MAXN 200010
int f[MAXN],r[MAXN];
int find(int x)
{
    if(x==f[x])
        return f[x];
    int t=find(f[x]);
    r[x]=r[x]+r[f[x]];//这里首先要对这个递归的过程很了解,当递归到某一层时,x还未接到根节点上,
                      //所以r[x]表示的是x到f[x]的距离,但f[x]已经接到根节点上了,所以r[f[x]]表示的是父节点到根节点的距离
                      //所以x到根节点的距离就直接等于r[x]+r[f[x]]
    f[x]=t;
    return f[x];
}
int fun(int x,int y)
{
    if(x>y)
        return x-y;
    else y-x;
}
int Union(int x,int y,int sum)
{
    int a=find(x);
    int b=find(y);
    if(a==b)
    {
        if(fun(r[x],r[y])==sum)
            return 0;
        else return 1;
    }
    else 
    {
        f[a]=b;
        r[a]=r[y]+sum-r[x];//r[y]表示y到b的距离,r[x]表示x到a的距离,sum表示x到y的距离,
                           // 现在要将a接到b后面,那么r[a]很表示a到b的距离,很明显就是这个式子了   
        return 0;
    }
}
int main()
{
    int n,m,i,ans,a,b,s;
    while(scanf("%d %d",&n,&m)!=EOF)
    {
        ans=0;
        for(i=0;i<=n;i++)
        {
            f[i]=i;
            r[i]=0;
        }
        for(i=1;i<=m;i++)
        {
            scanf("%d %d %d",&a,&b,&s);
            a--;//左区间减一,方便处理
            if(Union(a,b,s))
                ans++;
        }
        printf("%d\n",ans);
    }
    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