[THUWC2019]迷路(最小环)

探讨了在无向图中寻找从每个点出发的最小环长问题,通过分治策略优化Floyd算法,实现高效求解。

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

题面

迷路(lose)

题目描述

dolls意外得到了一张藏宝图,于是他踏上了寻找宝藏的道路。在走了许多许多步,回到同一个位置以后,dolls确定自己迷路了。dolls十分生气,他觉得自己这么英明圣武的人就算迷路,也要迷路在最小的环上。于是他想知道从每个点出发最小的环有多长。藏宝图可以抽象成一个n个点m条边的,边权全为正的无向图,现在你需要求得经过每个点的最小环长是多少。

输入格式

第一行两个数n,m,表示点数和边数。下面m行每行三个整数u,v,l表示点u和点v之间有一条长度为l的无向边。

输出格式

输出n个数,表示经过每个点的最小环长,若没有则输出-1。

数据范围

\(n \le 300, m \le 40000\)

解析

题目并没说不存在自环和重边,那么先把自环和重边统计进答案,去掉自环和重边后的答案一定是一个简单环

先考虑如何统计一个点的答案

设把除\(u\)以外的其他点都加入图后,\(i, j\)两点间的最短路为\(dis(i, j)\)枚举连向\(u\)的边\((u, v1)\)\((u, v2)\),答案就是\(min \{ dis(v1, v2) + len(u, v1) + len(u, v2) \}\)

然而每次暴力重新跑\(Floyd\)铁定超时

不难发现统计不同两点的答案时,两图中共有的点很多

于是我们考虑对所有的点分治

\(solve(l, r)\)表示\([l, r]\)的点没在图中的情况,当\(l = r\)时可以统计该点的答案,否则递归地处理两半

处理\([l, mid]\)时把\([mid + 1, r]\)加入图中,处理\([mid + 1, r]\)时把\([l, mid]\)加入图中

这样每个点被加入\(O(\log n)\)次,加入一个点复杂度为\(O(n^2)\),总复杂度为\(O(n^3 \log n)\)

由于\(\log n\)不到\(10\),所以可以过这题

注意:3个0x3f3f3f3f3f3f3f3f相加会爆long long

代码

#include <cstdio>
#include <iostream>
#include <cstring>
#define MAXN 305

typedef long long LL;
const LL INF = 0x0f0f0f0f0f0f0f0f;
LL dist[10][MAXN][MAXN], map[MAXN][MAXN], ans[MAXN];
int N, M;
char in_graph[MAXN];

void add(LL[MAXN][MAXN], int);
void solve(int, int, int);
int main() {
    freopen("lose.in", "r", stdin);
    freopen("lose.out", "w", stdout);
    
    std::ios::sync_with_stdio(false);
    std::cin >> N >> M;
    memset(map, 0x0f, sizeof map);
    memset(dist, 0x0f, sizeof dist);
    memset(ans, 0x0f, sizeof ans);
    for (int i = 1; i <= M; ++i) {
        int x, y; LL z;
        std::cin >> x >> y >> z;
        if (x == y) ans[x] = std::min(ans[x], z);
        ans[x] = std::min(ans[x], map[x][y] + z);
        ans[y] = std::min(ans[y], map[x][y] + z);
        map[x][y] = std::min(map[x][y], z);
        map[y][x] = std::min(map[y][x], z);
    }
    for (int i = 1; i <= N; ++i) dist[0][i][i] = 0;
    solve(1, N, 0);
    for (int i = 1; i <= N; ++i) {
        if (ans[i] ^ INF) std::cout << ans[i];
        else std::cout << -1;
        if (i ^ N) std::cout << " ";
    }
    std::cout << std::endl;
    
    return 0;
}
void add(LL d[MAXN][MAXN], int id) {
    in_graph[id] = 1;
    for (int i = 1; i <= N; ++i) {
        if (!in_graph[i]) continue;
        for (int j = 1; j <= N; ++j) {
            if (!in_graph[j]) continue;
            d[id][i] = std::min(d[id][i], map[id][j] + d[j][i]);
            d[i][id] = d[id][i];
        }
    }
    for (int i = 1; i <= N; ++i) {
        if (!in_graph[i]) continue;
        for (int j = 1; j <= N; ++j) {
            if (!in_graph[j]) continue;
            d[i][j] = std::min(d[i][j], d[i][id] + d[id][j]);
        }
    }
}
void solve(int l, int r, int dep) {
    if (l == r) {
        for (int i = 1; i <= N; ++i)
            for (int j = i + 1; j <= N; ++j)
                ans[l] = std::min(ans[l], dist[dep][i][j] + map[l][i] + map[l][j]);
        return;
    }
    int mid = (l + r) >> 1;
    for (int i = 1; i <= N; ++i)
        for (int j = 1; j <= N; ++j)
            dist[dep + 1][i][j] = dist[dep][i][j];
    for (int i = mid + 1; i <= r; ++i) add(dist[dep + 1], i);
    solve(l, mid, dep + 1);
    for (int i = l; i <= r; ++i) in_graph[i] = 0;
    for (int i = 1; i <= N; ++i)
        for (int j = 1; j <= N; ++j)
            dist[dep + 1][i][j] = dist[dep][i][j];
    for (int i = l; i <= mid; ++i) add(dist[dep + 1], i);
    solve(mid + 1, r, dep + 1);
    for (int i = l; i <= r; ++i) in_graph[i] = 0;
}
//Rhein_E

转载于:https://www.cnblogs.com/Rhein-E/p/10467952.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