HDU 2586 How far way?

本文深入探讨了图论中的最短路径算法,详细介绍了如何通过构建图的数据结构并运用DFS深度优先搜索算法来寻找两点间的最短路径。文章通过具体的代码实现,展示了算法的运行过程,并解释了关键步骤,如边的添加、节点遍历和路径计算等。

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

 

传送门

继续水板子题...

#include <bits/stdc++.h>
using namespace std;

inline int read() {
    int x = 0, f = 1; char ch = getchar();
    while (ch < '0' || ch > '9') { if (ch == '-') f = -1; ch = getchar(); }
    while (ch >= '0' && ch <= '9') { x = x * 10 + ch - '0'; ch = getchar(); }
    return x * f;
}

const int maxn = 5e5 + 10;

struct Edge { int to, next, c; } edge[2 * maxn];
int cnt, head[maxn];
struct Qedge { int to, next; } qedge[2 * maxn];
int qcnt, qhead[maxn], n, m;
int lca[maxn], dep[maxn], par[maxn];
bool vis[maxn];
inline void addedge(int u, int v, int c) {
    edge[++cnt].to = v;
    edge[cnt].c = c;
    edge[cnt].next = head[u];
    head[u] = cnt; 
}
inline void addqedge(int u, int v) {
    qedge[++qcnt].to = v;
    qedge[qcnt].next = qhead[u];
    qhead[u] = qcnt;
}
int getfa(int x) { return x == par[x] ? x : par[x] = getfa(par[x]); }

void dfs(int u) {
    par[u] = u;
    vis[u] = 1; 
    for (int i = head[u]; i; i = edge[i].next) {
        int v = edge[i].to;
        if (!vis[v]) {
            dep[v] = dep[u] + edge[i].c;
            dfs(v);
            par[v] = u;
        } 
    }
    for (int i = qhead[u]; i; i = qedge[i].next) {
        int v = qedge[i].to;
        if (vis[v]) {
            lca[i] = getfa(v);
            if (i % 2) lca[i + 1] = lca[i];
            else lca[i-1] = lca[i];
        }
    }
}

int main() {
    int T = read();
    while (T--) {
        n = read();m = read();
        memset(head, 0, sizeof(head));
        memset(qhead, 0, sizeof(qhead));
        memset(vis, 0, sizeof(vis));
        memset(lca, 0, sizeof(lca));
        memset(dep, 0, sizeof(dep));
        cnt = qcnt = 0;
        for (int i = 0; i < n - 1; i++)
        {
            int u = read(), v = read(), c = read();
            addedge(u, v, c);
            addedge(v, u, c);
        }
        for (int i = 0; i < m; i++)
        {
            int u = read(), v = read();
            addqedge(u, v);
            addqedge(v, u);
        }
        dfs(1);
        for (int i = 1; i <= m; i++)
        {
            int ans = dep[qedge[2 * i].to] - 2 * dep[lca[2 * i]] + dep[qedge[2 * i - 1].to];
            printf("%d\n", ans);
        }
    }
    return 0;
}
View Code

 

转载于:https://www.cnblogs.com/Mrzdtz220/p/10777239.html

内容概要:该研究通过在黑龙江省某示范村进行24小时实地测试,比较了燃煤炉具与自动/手动进料生物质炉具的污染物排放特征。结果显示,生物质炉具相比燃煤炉具显著降低了PM2.5、CO和SO2的排放(自动进料分别降低41.2%、54.3%、40.0%;手动进料降低35.3%、22.1%、20.0%),但NOx排放未降低甚至有所增加。研究还发现,经济性和便利性是影响生物质炉具推广的重要因素。该研究不仅提供了实际排放数据支持,还通过Python代码详细复现了排放特征比较、减排效果计算和结果可视化,进一步探讨了燃料性质、动态排放特征、碳平衡计算以及政策建议。 适合人群:从事环境科学研究的学者、政府环保部门工作人员、能源政策制定者、关注农村能源转型的社会人士。 使用场景及目标:①评估生物质炉具在农村地区的推广潜力;②为政策制定者提供科学依据,优化补贴政策;③帮助研究人员深入了解生物质炉具的排放特征和技术改进方向;④为企业研发更高效的生物质炉具提供参考。 其他说明:该研究通过大量数据分析和模拟,揭示了生物质炉具在实际应用中的优点和挑战,特别是NOx排放增加的问题。研究还提出了多项具体的技术改进方向和政策建议,如优化进料方式、提高热效率、建设本地颗粒厂等,为生物质炉具的广泛推广提供了可行路径。此外,研究还开发了一个智能政策建议生成系统,可以根据不同地区的特征定制化生成政策建议,为农村能源转型提供了有力支持。
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