洛谷P1342请柬

本文详细介绍了如何使用两遍最短路径算法解决特定问题,通过正向和反向计算,有效地找到从1号点到所有其他点的最短路径,并计算总距离。文章深入解析了算法的核心思想,提供了完整的C++实现代码,包括读取输入、建立图结构、执行Dijkstra算法等关键步骤。

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

传送门啦

核心思想:两遍最短路.

1号点去各地的时间直接套最短路模板,各地到1号点时间用逆向思维,视为求1号点沿反边到各地的时间即可.

#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>
#include <queue>
#define re register
using namespace std;
const int maxn = 1000005;

inline int read(){
    char ch = getchar();
    int f = 1 , x = 0;
    while(ch > '9' || ch < '0'){if(ch == '-')f = -1;ch = getchar();}
    while(ch >= '0' && ch <= '9'){x = (x << 1) + (x << 3) + ch - '0';ch = getchar();}
    return x * f;
}

int n,m,u,v;
long long w;
int head1[maxn],tot1,head2[maxn],tot2;
long long ans,dis1[maxn],dis2[maxn];

struct Edge{
    int from,to,next;
    long long val;
}edge1[maxn<<1] , edge2[maxn<<1];

struct Node{
    int u,d;
    bool operator < (const Node &f) const {
        return d > f.d;
    }
};

inline void add1(int u,int v,long long w){
    edge1[++tot1].from = u;
    edge1[tot1].to = v;
    edge1[tot1].val = w;
    edge1[tot1].next = head1[u];
    head1[u] = tot1;
}

inline void add2(int u,int v,long long w){
    edge2[++tot2].from = u;
    edge2[tot2].to = v;
    edge2[tot2].val = w;
    edge2[tot2].next = head2[u];
    head2[u] = tot2;
}

inline void dijk1(int s){
    for(re int i=1;i<=n;i++)  dis1[i] = 1e9;
    priority_queue<Node> q;
    dis1[s] = 0;
    q.push((Node) {s , dis1[s]});
    while(!q.empty()){
        Node cur = q.top();
        q.pop();
        int d = cur.d , u = cur.u;
        if(d != dis1[u]) continue;
        for(re int i=head1[u];i;i=edge1[i].next){
            int v = edge1[i].to;
            if(dis1[v] > dis1[u] + edge1[i].val){
                dis1[v] = dis1[u] + edge1[i].val;
                q.push((Node) {v , dis1[v]});
            }
        }
    }
}

inline void dijk2(int s){
    for(re int i=1;i<=n;i++)  dis2[i] = 1e9;
    priority_queue<Node> q;
    dis2[s] = 0;
    q.push((Node) {s , dis2[s]});
    while(!q.empty()){
        Node cur = q.top();
        q.pop();
        int d = cur.d , u = cur.u;
        if(d != dis2[u]) continue;
        for(re int i=head2[u];i;i=edge2[i].next){
            int v = edge2[i].to;
            if(dis2[v] > dis2[u] + edge2[i].val){
                dis2[v] = dis2[u] + edge2[i].val;
                q.push((Node) {v , dis2[v]});
            }
        }
    }
}

int main(){
    n = read(); m = read();
    for(int i=1;i<=m;i++){
        u = read(); v = read(); scanf("%lld",&w);
        add1(u , v , w);
        add2(v , u , w);
    }
    dijk1(1);
    for(int i=2;i<=n;i++)
        ans += dis1[i];
    dijk2(1);   
    for(int i=n;i>=2;i--){  
        ans += dis2[i];
    }
    printf("%lld\n",ans);
    return 0;
}

转载于:https://www.cnblogs.com/Stephen-F/p/9908897.html

内容概要:本文深入探讨了Kotlin语言在函数式编程和跨平台开发方面的特性和优势,结合详细的代码案例,展示了Kotlin的核心技巧和应用场景。文章首先介绍了高阶函数和Lambda表达式的使用,解释了它们如何简化集合操作和回调函数处理。接着,详细讲解了Kotlin Multiplatform(KMP)的实现方式,包括共享模块的创建和平台特定模块的配置,展示了如何通过共享业务逻辑代码提高开发效率。最后,文章总结了Kotlin在Android开发、跨平台移动开发、后端开发和Web开发中的应用场景,并展望了其未来发展趋势,指出Kotlin将继续在函数式编程和跨平台开发领域不断完善和发展。; 适合人群:对函数式编程和跨平台开发感兴趣的开发者,尤其是有一定编程基础的Kotlin初学者和中级开发者。; 使用场景及目标:①理解Kotlin中高阶函数和Lambda表达式的使用方法及其在实际开发中的应用场景;②掌握Kotlin Multiplatform的实现方式,能够在多个平台上共享业务逻辑代码,提高开发效率;③了解Kotlin在不同开发领域的应用场景,为选择合适的技术栈提供参考。; 其他说明:本文不仅提供了理论知识,还结合了大量代码案例,帮助读者更好地理解和实践Kotlin的函数式编程特性和跨平台开发能力。建议读者在学习过程中动手实践代码案例,以加深理解和掌握。
内容概要:本文深入探讨了利用历史速度命令(HVC)增强仿射编队机动控制性能的方法。论文提出了HVC在仿射编队控制中的潜在价值,通过全面评估HVC对系统的影响,提出了易于测试的稳定性条件,并给出了延迟参数与跟踪误差关系的显式不等式。研究为两轮差动机器人(TWDRs)群提供了系统的协调编队机动控制方案,并通过9台TWDRs的仿真和实验验证了稳定性和综合性能改进。此外,文中还提供了详细的Python代码实现,涵盖仿射编队控制类、HVC增强、稳定性条件检查以及仿真实验。代码不仅实现了论文的核心思想,还扩展了邻居历史信息利用、动态拓扑优化和自适应控制等性能提升策略,更全面地反映了群体智能协作和性能优化思想。 适用人群:具备一定编程基础,对群体智能、机器人编队控制、时滞系统稳定性分析感兴趣的科研人员和工程师。 使用场景及目标:①理解HVC在仿射编队控制中的应用及其对系统性能的提升;②掌握仿射编队控制的具体实现方法,包括控制器设计、稳定性分析和仿真实验;③学习如何通过引入历史信息(如HVC)来优化群体智能系统的性能;④探索中性型时滞系统的稳定性条件及其在实际系统中的应用。 其他说明:此资源不仅提供了理论分析,还包括完整的Python代码实现,帮助读者从理论到实践全面掌握仿射编队控制技术。代码结构清晰,涵盖了从初始化配置、控制律设计到性能评估的各个环节,并提供了丰富的可视化工具,便于理解和分析系统性能。通过阅读和实践,读者可以深入了解HVC增强仿射编队控制的工作原理及其实际应用效果。
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