POJ 3169 Layout

本文详细介绍了解决POJ_3169问题的方法,通过引入约束条件和优化算法,实现了从复杂度到简洁性的转变。具体而言,作者先构建源点,使用SPFA算法检测负圈,再简化为一次SPFA求最短路,最终通过实例验证了方法的有效性和效率。

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

POJ_3169

这个题目和POJ 3159有点类似。首先我们要假定一个正向的顺序,比如规定牛从1至为正向排列,记d[i]为牛i距参照点的距离,那么对于ML的输入,有d[A]-d[B]>=-D,对于MD的输入有d[B]-d[A]>=D,前面的表达式中A都是小于B的。

之后我一开始先是抽象出了一个源点0,并且d[i]-d[0]>=0,然后从0开始用SPFA判断是否有负圈,如果有负圈就输出“-1”。如果没有负圈,再从1开始用SPFA求至N的最短路,如果最后有最短路存在那么就输出d[N],否则1N就可以离任意远的距离,则输出“-2”。

虽然上面的代码AC了,但不够简洁。后来看了别人的报告之后,发现除了输入数据的约束条件,可以再添加一个约束条件d[i+1]-d[i]>=0,这样就只用一次SPFA求以1为起点以N为终点的最短路就可以解决问题了。

#include<stdio.h>
#include
<string.h>
int first[1010],next[22000],v[22000],w[22000];
int q[1010],inq[1010],inedq[1010],d[1010];
int main()
{
int i,j,k,N,ML,MD,e,u,front,rear,ok,A,B,D,n;
while(scanf("%d%d%d",&N,&ML,&MD)==3)
{
memset(first,
-1,sizeof(first));
for(e=0;e<ML;e++)
{
scanf(
"%d%d%d",&A,&B,&D);
if(A>B)
{
k
=A;
A
=B;
B
=k;
}
v[e]
=B;
w[e]
=D;
next[e]
=first[A];
first[A]
=e;
}
for(i=0;i<MD;i++)
{
scanf(
"%d%d%d",&A,&B,&D);
if(A>B)
{
k
=A;
A
=B;
B
=k;
}
v[e]
=A;
w[e]
=-D;
next[e]
=first[B];
first[B]
=e;
e
++;
}
for(i=1;i<N;i++)
{
v[e]
=i;
w[e]
=0;
next[e]
=first[i+1];
first[i
+1]=e;
e
++;
}
for(i=1;i<=N;i++)
{
d[i]
=1000000000;
inq[i]
=inedq[i]=0;
}
d[
1]=0;
front
=rear=0;
q[rear
++]=1;
n
=N+1;
ok
=1;
while(front!=rear)
{
u
=q[front++];
if(front>n)
front
=0;
inq[u]
=0;
for(e=first[u];e!=-1;e=next[e])
if(d[u]+w[e]<d[v[e]])
{
d[v[e]]
=d[u]+w[e];
if(!inq[v[e]])
{
q[rear
++]=v[e];
if(rear>n)
rear
=0;
inq[v[e]]
=1;
if(++inedq[v[e]]>N)
{
ok
=0;
front
=rear;
break;
}
}
}
}
if(!ok)
{
printf(
"-1\n");
continue;
}
else if(d[N]<1000000000)
printf(
"%d\n",d[N]);
else
printf(
"-2\n");
}
return 0;
}

  

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
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