POJ 1125 - Stockbroker Grapevine ( floyd最短路 )

本文介绍了一个通过Floyd算法解决谣言在证券经纪人社群中最高效传播的问题。该算法确定了最佳的起始传播者及其所需时间,并处理了社群不连通的情况。

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

题意

众所周知,证券经纪人对于市场传闻十分敏感。现在你被雇佣去开发一种在经纪人之间传播虚假信息的模式,使得你的雇主在市场中获得特殊的战略优势。为了获得最大的效果,你必须在尽可能快的时间内传播谣言。
不幸的是,证券经纪人只信赖来自他们认为是“可靠来源”的消息。这意味着你必须在开始传播流言时考虑他们之间的关系。当流言开始传播时,某个经纪人需要一定的时间将其传递给他的所有同事。
你的任务是编写一个程序,输出需要选择哪个证券经纪人作为流言传播的起点,以及这个流言传播完整个经纪人社群所需的时间。所需的时间指的是最后一个经纪人接受到消息所花费的时间。
Input
你的程序将输入多个不同股票经纪人群体的数据。每一组的第一行是股票经纪人的人数。接下来一行包括每个经纪人可以联系的人的数量,这些人是谁,和他传递信息给每一个人所花的时间。每一行格式如下:最开始是可以联系的人的数目 n,然后是 n对整数,一对整数代表了他与一个联系人的情况。每一对整数列出的第1个数字是联系人编号(例如:”1”是指社群中的1号联系人),第2个数字是指把消息传给那个联系人需要花几分钟。没有其他的标点符号或空格。
每个人的编号为i(1 ≤ i ≤ n, n为一个社群中股票经纪人的总数量),传递信息的时间为t分钟(1 ≤ t ≤ 10),可以与之联系的人的数量为x (0 ≤ x ≤ n-1),股票经纪人的数量为n(1 ≤ n ≤ 100) 。输入的终止条件是股票经纪人社群含有0个人。
Output
对于每一组数据,你的程序必须输出一行整数,包含能使消息传递得最快的那个联系人,以及给定的消息从这个人传递到最后一个人所花费的时间,以整数分钟来度量。
你的程序可能会收到某种排除了一些人在外的联系网络,如有些人可能无法被任何人联系到。如果你的程序检测到这种不连通的网络,只需输出“disjoint”。请注意,如果消息既能从A传递到B,又能从B传递到A,则两个传递消息的时间不一定相同。

思路

数据量比较小
可以采用floyd算法求最短路

Floyd 弗洛伊德算法
无法解决负边权
最短路径问题—Floyd算法详解

int d[maxn][maxn];  
// e=(u,v) 不存在时设为INF, d[i][i] = 0;
int n;

void warshall_floyd(){
    for( int k = 1; k <= n; k++ )
        for( int i = 1; i <= n; i++ )
            for( int j = 1; j <= n; j++ )
                d[i][j] = min( d[i][j], d[i][k] + d[k][j] );
}

AC代码

#include <iostream>
#include <algorithm>
#include <cstdio>
#define mst(a) memset(a, 0, sizeof(a));

using namespace std;

const int INF = 0x3f3f3f3f;
const int maxn = 100+5;
int d[maxn][maxn];
int n, mmin;

void init(){
    mmin = INF;
    for( int i = 0; i < maxn; i++ )
        for( int j = 0; j < maxn; j++ )
            d[i][j] = i == j ? 0 : INF;
}

void floyd(){
    for( int k = 1; k <= n; k++ )
        for( int i = 1; i <= n; i++ )
            for( int j = 1; j <= n; j++ )
                d[i][j] = min( d[i][j], d[i][k]+d[k][j] );
    int mi = INF, ma, pos;
    for(int i = 1; i <= n; i++){
        ma = -1;
        for(int j = 1; j <= n; j++)
            if(i != j && ma < d[i][j])
                ma = d[i][j];
        if(ma < mi){
            mi = ma;
            pos = i;
        }
    }
    if( mi < INF )  printf("%d %d\n",pos, mi);
    else  printf("disjoint\n");
}

int main()
{
    int t, u, v;
    while( ~scanf("%d",&n) && n ){
        init();
        for( int i = 1; i <= n; i++ ){
            scanf("%d",&t);
            for( int j = 0; j < t; j++ ){
                scanf("%d%d",&u, &v);
                d[i][u] = v;
            }
        }
        floyd();
    }
    return 0;
}

转载于:https://www.cnblogs.com/JinxiSui/p/9740576.html

基于数据挖掘的音乐推荐系统设计与实现 需要一个代码说明,不需要论文 采用python语言,django框架,mysql数据库开发 编程环境:pycharm,mysql8.0 系统分为前台+后台模式开发 网站前台: 用户注册, 登录 搜索音乐,音乐欣赏(可以在线进行播放) 用户登陆时选择相关感兴趣的音乐风格 音乐收藏 音乐推荐算法:(重点) 本课题需要大量用户行为(如播放记录、收藏列表)、音乐特征(如音频特征、歌曲元数据)等数据 (1)根据用户之间相似性或关联性,给一个用户推荐与其相似或有关联的其他用户所感兴趣的音乐; (2)根据音乐之间的相似性或关联性,给一个用户推荐与其感兴趣的音乐相似或有关联的其他音乐。 基于用户的推荐和基于物品的推荐 其中基于用户的推荐是基于用户的相似度找出相似相似用户,然后向目标用户推荐其相似用户喜欢的东西(和你类似的人也喜欢**东西); 而基于物品的推荐是基于物品的相似度找出相似的物品做推荐(喜欢该音乐的人还喜欢了**音乐); 管理员 管理员信息管理 注册用户管理,审核 音乐爬虫(爬虫方式爬取网站音乐数据) 音乐信息管理(上传歌曲MP3,以便前台播放) 音乐收藏管理 用户 用户资料修改 我的音乐收藏 完整前后端源码,部署后可正常运行! 环境说明 开发语言:python后端 python版本:3.7 数据库:mysql 5.7+ 数据库工具:Navicat11+ 开发软件:pycharm
MPU6050是一款广泛应用在无人机、机器人和运动设备中的六轴姿态传感器,它集成了三轴陀螺仪和三轴加速度计。这款传感器能够实时监测并提供设备的角速度和线性加速度数据,对于理解物体的动态运动状态至关重要。在Arduino平台上,通过特定的库文件可以方便地与MPU6050进行通信,获取并解析传感器数据。 `MPU6050.cpp`和`MPU6050.h`是Arduino库的关键组成部分。`MPU6050.h`是头文件,包含了定义传感器接口和函数声明。它定义了类`MPU6050`,该类包含了初始化传感器、读取数据等方法。例如,`begin()`函数用于设置传感器的工作模式和I2C地址,`getAcceleration()`和`getGyroscope()`则分别用于获取加速度和角速度数据。 在Arduino项目中,首先需要包含`MPU6050.h`头文件,然后创建`MPU6050`对象,并调用`begin()`函数初始化传感器。之后,可以通过循环调用`getAcceleration()`和`getGyroscope()`来不断更新传感器读数。为了处理这些原始数据,通常还需要进行校准和滤波,以消除噪声和漂移。 I2C通信协议是MPU6050与Arduino交互的基础,它是一种低引脚数的串行通信协议,允许多个设备共享一对数据线。Arduino板上的Wire库提供了I2C通信的底层支持,使得用户无需深入了解通信细节,就能方便地与MPU6050交互。 MPU6050传感器的数据包括加速度(X、Y、Z轴)和角速度(同样为X、Y、Z轴)。加速度数据可以用来计算物体的静态位置和动态运动,而角速度数据则能反映物体转动的速度。结合这两个数据,可以进一步计算出物体的姿态(如角度和角速度变化)。 在嵌入式开发领域,特别是使用STM32微控制器时,也可以找到类似的库来驱动MPU6050。STM32通常具有更强大的处理能力和更多的GPIO口,可以实现更复杂的控制算法。然而,基本的传感器操作流程和数据处理原理与Arduino平台相似。 在实际应用中,除了基本的传感器读取,还可能涉及到温度补偿、低功耗模式设置、DMP(数字运动处理器)功能的利用等高级特性。DMP可以帮助处理传感器数据,实现更高级的运动估计,减轻主控制器的计算负担。 MPU6050是一个强大的六轴传感器,广泛应用于各种需要实时运动追踪的项目中。通过 Arduino 或 STM32 的库文件,开发者可以轻松地与传感器交互,获取并处理数据,实现各种创新应用。博客和其他开源资源是学习和解决问题的重要途径,通过这些资源,开发者可以获得关于MPU6050的详细信息和实践指南
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