bzoj4152 [AMPPZ2014]The Captain

本文解析了一道经典的最短路径问题——AMPPZ2014 TheCaptain,通过合理建图减少边的数量,避免了空间复杂度过高的问题,并采用Dijkstra算法稳定解决此题。

4152: [AMPPZ2014]The Captain

Time Limit: 20 Sec  Memory Limit: 256 MB
Submit: 1293  Solved: 502
[Submit][Status][Discuss]

Description

给定平面上的n个点,定义(x1,y1)到(x2,y2)的费用为min(|x1-x2|,|y1-y2|),求从1号点走到n号点的最小费用。

 

Input

第一行包含一个正整数n(2<=n<=200000),表示点数。
接下来n行,每行包含两个整数x[i],y[i](0<=x[i],y[i]<=10^9),依次表示每个点的坐标。
 
 

 

Output

一个整数,即最小费用。

 

Sample Input

5
2 2
1 1
4 5
7 1
6 7

Sample Output

2

HINT

 

Source

分析:这道题最关键的一点就是如何建图,如果每两个点都连一条边,那么空间会直接炸掉,考虑哪些边不用连.如果两个点之间有中间点的话,一定是走中间点的!这个可以非常容易证明,那么我们先按照x排序,再按照y排序,只在相邻点之间连边就好了.
      不过这道题卡spfa,用dijkstra就是稳定的O(nlogn)了,不会超时.
如果建边是最短路问题的考点,那么先考虑能不能有一个只进不出和一个只出不进的中间点,如果不行,看建边的点是不是区间的形式,如果还不行,就要分析问题,看能不能删掉某些边.
#include <cstdio>
#include <cstring>
#include <iostream>
#include <algorithm>
#include <cmath>
#include <queue>

using namespace std;

const int maxn = 200010;
const long long inf = 1000000000000000;

struct node
{
    int x,y,id;
}e[200010]; 

struct node2
{
    int x;
    long long len;
};

bool operator < (node2 a,node2 b)
{
    return a.len > b.len;
}

int n,head[maxn],to[maxn * 4],nextt[maxn * 4],tot = 1,w[maxn * 4],vis[maxn * 4];
priority_queue <node2> q;
long long d[maxn];

bool cmp1(node a,node b)
{
    return a.x < b.x;
}

bool cmp2(node a,node b)
{
    return a.y < b.y;
}

void add(int x,int y,int z)
{
    w[tot] = z;
    to[tot] = y;
    nextt[tot] = head[x];
    head[x] = tot++;
}

void dijkstra()
{
    for (int i = 1; i <= n; i++)
    d[i] = inf;
    d[1] = 0;
    node2 temp;
    temp.len = 0;
    temp.x = 1;
    q.push(temp);
    while (!q.empty())
    {
        while (!q.empty() && vis[q.top().x])
        q.pop();
        if (q.empty())
        return;
        node2 u = q.top();
        q.pop();
        int x = u.x;
        long long len = u.len;
        vis[x] = 1;
        for (int i = head[x]; i;i = nextt[i])
        {
            int v = to[i];
            if (d[v] > d[x] + w[i])
            {
                d[v] = d[x] + w[i];
                node2 temp;
                temp.x = v;
                temp.len = d[v];
                q.push(temp);
            }
        }
    }
}

int main()
{
    scanf("%d",&n);
    for (int i = 1; i <= n; i++)
    {
    scanf("%d%d",&e[i].x,&e[i].y);
    e[i].id = i;
    }
    sort(e + 1,e + 1 + n,cmp1);
    for (int i = 1; i < n; i++)
    {
    int t = min(abs(e[i].x - e[i + 1].x),abs(e[i].y - e[i + 1].y));
    add(e[i].id,e[i + 1].id,t);
    add(e[i+1].id,e[i].id,t);
    }
    sort(e + 1,e + 1 + n,cmp2);
    for (int i = 1; i < n; i++)
    {
    int t = min(abs(e[i].x - e[i + 1].x),abs(e[i].y - e[i + 1].y));
    add(e[i].id,e[i + 1].id,t);
    add(e[i+1].id,e[i].id,t);
    }
    dijkstra();
    printf("%lld\n",d[n]);

    return 0;
}

 

转载于:https://www.cnblogs.com/zbtrs/p/7515111.html

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