Bzoj 2525 [Poi2011]Dynamite

本文介绍了一道名为“Dynamite”的算法竞赛题目,任务是在一棵树状结构中通过点燃特定节点来引爆所有炸药,以达到用最少的点燃次数引爆所有炸药的目的。文章详细阐述了解题思路与代码实现。

2525: [Poi2011]Dynamite

Time Limit: 30 Sec  Memory Limit: 128 MB
Submit: 240  Solved: 120
[Submit][Status][Discuss]

Description

The Byteotian Cave is composed of  n chambers and n-1 corridors that connect them. For every pair of chambers there is unique way to move from one of them to another without leaving the cave. Dynamite charges are set up in certain chambers. A fuse is laid along every corridor. In every chamber the fuses from the adjacent corridors meet at one point, and are further connected to the dynamite charge if there is one in the chamber. It takes exactly one unit of time for the fuse between two neighbouring chambers to burn, and the dynamite charge explodes in the instant that fire reaches the chamber it is inside.
We would like to light the fuses in some m chambers (at the joints of fuses) in such a way that all the dynamite charges explode in the shortest time possible since the fuses are lit. Write a program that will determine the minimum such time possible.
 
Byteotian Cave的结构是一棵N个节点的树,其中某些点上面已经安置了炸 药,现在需要点燃M个点上的引线引爆所有的炸 药。

 

某个点上的引线被点燃后的1单位时间内,在树上和它相邻的点的引线会被点燃。如果一个有炸 药的点的引信被点燃,那么这个点上的炸 药会爆炸。
求引爆所有炸 药的最短时间。

输入:
第一行是两个整数N,M。(1<=m<=n<=300000)
接下来一行有N个整数Di,第I个数为1表示该点有炸 药。
接下来N-1行每行有两个数A,B,表示A和B之间有一条边。
输出:
最短时间。
样例解释: 
点燃3,5上的引线。

Input

The first line of the standard input holds two integers n and m (1<=M<=N<=300000)
, separated by a single space, that denote, respectively, the number of chambers in the cave and the number of chambers in which fire can be set to the fuses. The chambers are numbered from 1 to n . The next line contains  n integers d1,d2…dn (Di属于{0,1}, separated by single spaces. If Di=1 , then there is dynamite in the -th chamber, and if di=0 , there is none. The following n -1 lines specify the corridors of the cave. Each of them holds two integers a,b (a<=a<b<=n), separated by a single space, denoting that there is a corridor connecting the chambers a and b . Every corridor appears exactly once in the description.
You may assume that in tests worth 10% of the points it holds additionally that n<= 10, while in tests worth 40% of the points it holds that N<=1000.

Output

The first and only line of the standard output should hold a single integer, equal to the minimum time it takes from lighting the fuses to the explosion of all the charges.

Sample Input

7 2
1 0 1 1 0 1 1
1 3
2 3
3 4
4 5
5 6
5 7

Sample Output

1
  这道题还算比较水,上来以为所有点都放了炸 弹,那么果断二分答案+贪心啊。然而看到不是每个点都有炸弹后感觉这个人都不好了……
  然后果断重新想,发现二分答案还是可行的,仍然是尽可能的不到不点不行的时候点……
  然后又开始继续打码,好不容易打完了又发现自己打的还是错的,心痛……
  然而再接再厉,接着去分析。我们把所有节点分为3类。第一类,下面全是引线,没有炸弹。那么,我们可以直接忽略它。第二种,底下是炸弹,并且没有被点燃,这时,我们就要把它的子树中的离当前节点最远的状态传上来了。第三种,就是下面已经有引线被点燃,而且它有可能接着在我们规定的时间内点燃其他炸弹,与第二种相反,我们要找的是离当前节点最近的。
  在我们搜到一个点后,我们统计来自他子树的答案,如果下面都是引线,那么这个节点的状态就看他是不是炸弹了。如果他下面只有被点燃的引线,我们找到离他最近的引线转移过去,当然,如果他与引线的距离远,我们就没必要传递了。如果下面只有炸弹,我们就要看一下最远的炸弹离他是多远了。如果比当前值小,我们就直接传下去就行,否则将该点点燃,然后将状态改为点燃引线,接着传递。
  比较复杂的是下面既有被点燃的引线又有炸弹。我们需要分类讨论一下,如果引线可以点燃炸弹就把他的状态定为被点燃的引线,否则就改为炸弹,记得在这里也判断一下炸弹是否需要点燃,否则WA到死。最后判断一下根节点是什么状态,如果是炸弹我们还是要再点一个的。
  1 #include <iostream>
  2 #include <cstdlib>
  3 #include <cstdio>
  4 #include <cstring>
  5 #include <algorithm>
  6 #include <cmath>
  7 #include <queue>
  8 #include <map>
  9 #include <set>
 10 #include <vector>
 11 #define N 300005
 12 using namespace std;
 13 int n,a[N],zz,m;
 14 struct no
 15 {
 16     int to,next;
 17 }road[N*2];
 18 void build(int x,int y)
 19 {
 20     zz++;
 21     road[zz].to=y;
 22     road[zz].next=a[x];
 23     a[x]=zz;
 24 }
 25 int bom[N];
 26 int size[N],fa[N];
 27 void dfs1(int x)
 28 {
 29     size[x]=1;
 30     for(int i=a[x];i>0;i=road[i].next)
 31     {
 32         int y=road[i].to;
 33         if(y==fa[x])continue;
 34         fa[y]=x;
 35         dfs1(y);
 36         size[x]+=size[y];
 37     }
 38 }
 39 int sum,f[N],c[N];
 40 void dfs(int x,int t)
 41 {
 42     if(size[x]==1)
 43     {
 44         if(bom[x])
 45         {
 46             c[x]=1;
 47             f[x]=0;
 48             if(t==0)
 49             {
 50                 sum++;
 51                 f[x]=0;
 52                 c[x]=2;
 53             }
 54         }
 55         else
 56         {
 57             c[x]=-1;
 58             f[x]=-1;
 59         }
 60         return;
 61     }
 62     int mn=0x7fffffff,mx=-2;
 63     bool yx=1;
 64     for(int i=a[x];i>0;i=road[i].next)
 65     {
 66         int y=road[i].to;
 67         if(y==fa[x])continue;
 68         dfs(y,t);
 69         if(c[y]==-1)continue;
 70         yx=0;
 71         if(c[y]==2)
 72         {
 73             if(f[y]+1<=t) mn=min(mn,f[y]+1);
 74         }
 75              
 76         else
 77             mx=max(mx,f[y]+1);
 78     }
 79     if(yx)
 80     {
 81         c[x]=-1;f[x]=-1;
 82         if(bom[x])
 83         {
 84             c[x]=1;
 85             f[x]=0;
 86             if(t==0)
 87             {
 88                 sum++;
 89                 c[x]=2;
 90             }
 91         }
 92         return;
 93     }
 94     if(mx==-2&&mn!=0x7fffffff)
 95     {
 96         c[x]=2;
 97         f[x]=mn;
 98         return;
 99     }
100     if(mx==-2&&mn==0x7fffffff)
101     {
102         if(bom[x])
103         {
104             c[x]=1;
105             f[x]=0;
106             if(t==0)
107             {
108                 sum++;
109                 f[x]=0;
110                 c[x]=2;
111             }
112         }
113         else
114         {
115             c[x]=-1;
116             f[x]=-1;
117         }
118         return;
119     }
120     if(mn==0x7fffffff)
121     {
122         if(mx>=t)
123         {
124             sum++;
125             f[x]=0;
126             c[x]=2;
127         }
128         else
129         {
130             c[x]=1;
131             f[x]=mx;
132         }
133         return;
134     }
135     if(mn+mx<=t)
136     {
137         c[x]=2;
138         f[x]=mn;
139         return;
140     }
141     if(mx>=t)
142     {
143         sum++;
144         f[x]=0;
145         c[x]=2;
146     }
147     else
148     {
149         c[x]=1;
150         f[x]=mx;
151     }
152 }
153 bool check(int k)
154 {
155     memset(c,0,sizeof(c));
156     memset(f,0,sizeof(f));
157     sum=0;
158     dfs(1,k);
159     if(c[1]==1)sum++;
160     return sum<=m;
161 }
162 int main()
163 {
164     scanf("%d%d",&n,&m);
165     for(int i=1;i<=n;i++)
166     {
167         scanf("%d",&bom[i]);
168     }
169     for(int i=1;i<n;i++)
170     {
171         int x,y;
172         scanf("%d%d",&x,&y);
173         build(x,y);
174         build(y,x);
175     }
176     dfs1(1);
177     int li=0,ri=n,mid;
178     while(li<=ri)
179     {
180         mid=(li+ri)>>1;
181         if(check(mid)) ri=mid-1;
182         else li=mid+1;
183     }
184     printf("%d\n",ri+1);
185     return 0;
186 }
View Code

 

转载于:https://www.cnblogs.com/liutianrui/p/7759750.html

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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