[BZOJ4010] [HNOI2015] 菜肴制作

博客围绕菜肴制作顺序问题展开,酒店要在满足菜肴制作先后限制下,让小A尽量先吃到质量高的菜肴。给出了题目描述、输入输出格式、样例及解释、数据范围,最后给出题解,需建反向边并反向输出结果。

A. 菜肴制作

题目描述

知名美食家小 $A$ 被邀请至 $ATM$ 大酒店,为其品评菜肴。

$ATM$ 酒店为小 $A$ 准备了 $N$ 道菜肴,酒店按照为菜肴预估的质量从高到低给予 $1$ 到 $N$ 的顺序编号,预估质量最高的菜肴编号为 $1$。由于菜肴之间口味搭配的问题,某些菜肴必须在另一些菜肴之前制作,具体的,一共有 $M$ 条形如「$i$ 号菜肴『必须』先于 j 号菜肴制作”的限制」,我们将这样的限制简写为 $⟨i,j⟩$。

现在,酒店希望能求出一个最优的菜肴的制作顺序,使得小 A 能尽量先吃到质量高的菜肴:也就是说,

  1. 在满足所有限制的前提下,$1$ 号菜肴「尽量」优先制作;
  2. 在满足所有限制,$1$ 号菜肴「尽量」优先制作的前提下,$2$ 号菜肴「尽量」优先制作;
  3. 在满足所有限制,$1$ 号和 $2$ 号菜肴「尽量」优先的前提下,$3$ 号菜肴「尽量」优先制作;
  4. 在满足所有限制,$1$ 号和 $2$ 号和 $3$ 号菜肴「尽量」优先的前提下,$4$ 号菜肴「尽量」优先制作;
  5. 以此类推。

例一:共四道菜肴,两条限制 $⟨3,1⟩$、$⟨4,1⟩$,那么制作顺序是$3,4,1,2$。

例二:共五道菜肴,两条限制 $⟨5,2⟩$、$⟨4,3⟩$,那么制作顺序是 $1,5,2,4,3$。

例一里,首先考虑 $1$,因为有限制 $⟨3,1⟩$ 和 $⟨4,1⟩$,所以只有制作完 $3$ 和 $4$ 后才能制作 $1$,而根据$(3)$,$3$ 号又应「尽量」比 $4$ 号优先,所以当前可确定前三道菜的制作顺序是 $3,4,1$;接下来考虑 $2$,确定最终的制作顺序是 $3,4,1,2$。

例二里,首先制作 $1$ 是不违背限制的;接下来考虑 $2$ 时有 $⟨5,2⟩$ 的限制,所以接下来先制作 $5$ 再制作 $2$;接下来考虑 $3$ 时有 $⟨4,3⟩$ 的限制,所以接下来先制作 $4$ 再制作 $3$,从而最终的顺序是 $1,5,2,4,3$。

现在你需要求出这个最优的菜肴制作顺序。无解输出“$Impossible!$” (不含引号,首字母大写,其余字母小写)

输入格式

第一行是一个正整数 $D$,表示数据组数。
接下来是 $D$ 组数据。
对于每组数据:
第一行两个用空格分开的正整数 $N$ 和 $M$,分别表示菜肴数目和制作顺序限制的条目数。
接下来 $M$ 行,每行两个正整数 $x,y$,表示「$x$ 号菜肴必须先于 $y$ 号菜肴制作」的限制。(注意:$M$ 条限制中可能存在完全相同的限制)

输出格式

输出文件仅包含 $D$ 行,每行 $N$ 个整数,表示最优的菜肴制作顺序,或者”$Impossible!$”表示无解(不含引号)。

样例
样例输入

3

5 4

5 4

5 3

4 2

3 2

3 3

1 2

2 3

3 1

5 2

5 2

4 3

样例输出

1 5 3 4 2

Impossible!

1 5 2 4 3

样例解释

第二组数据同时要求菜肴 $1$ 先于菜肴 $2$ 制作,菜肴 $2$ 先于菜肴 $3$ 制作,菜肴 $3$ 先于菜肴 $1$ 制作,而这是无论如何也不可能满足的,从而导致无解。

数据范围与提示

对于$100\%$ 的数据,$N,M≤100000, D≤3$。

 

题解

对每一个限制建边,

可以发现只有当这个点的入度为$0$时才可能被选择,

但是这个题又有限制,必须满足优先制作,

最后可以建反向边,反向输出。

 

#include<algorithm>
#include<iostream>
#include<cstring>
#include<cstdio>
#include<queue>
#define Reg register
using namespace std;
int t,n,m,tot,ans[100050],du[100050],fir[100050];
struct Tu {int st,ed,next;} lian[100050];
void add(int x,int y)
{
    lian[++tot].st=x;
    lian[tot].ed=y;
    lian[tot].next=fir[x];
    fir[x]=tot;
    ++du[y];
    return;
}
int main()
{
    scanf("%d",&t);
    while(t--)
    {
        scanf("%d%d",&n,&m);
        tot=ans[0]=0;
        memset(du,0,sizeof(du));
        memset(fir,0,sizeof(fir));
        for(Reg int i=1,x,y;i<=m;++i)
        {
            scanf("%d%d",&x,&y);
            add(y,x);
        }
        priority_queue<int,vector<int>,less<int> > q;
        for(Reg int i=1;i<=n;++i)
            if(!du[i]) q.push(i);
        while(!q.empty())
        {
            int x=q.top(); q.pop();
            ans[++ans[0]]=x;
            for(Reg int i=fir[x];i;i=lian[i].next)
            {
                if(!lian[i].ed) continue;
                --du[lian[i].ed];
                if(du[lian[i].ed]==0) q.push(lian[i].ed);
            }
        }
        if(ans[0]<n) printf("Impossible!\n");
        else
        {
            for(Reg int i=n;i>=1;--i)
                printf("%d ",ans[i]);
            printf("\n");
        }
    }
    return 0;
}
View Code

 

转载于:https://www.cnblogs.com/Milk-Feng/p/11178509.html

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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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