圆桌问题

Problem Description
圆桌上围坐着2n个人。其中n个人是好人,另外n个人是坏人。如果从第一个人开始数数,数到第m个人,则立即处死该人;然后从被处死的人之后开始数数,再将数到的第m个人处死……依此方法不断处死围坐在圆桌上的人。试问预先应如何安排这些好人与坏人的座位,能使得在处死n个人之后,圆桌上围坐的剩余的n个人全是好人。

Input
多组数据,每组数据输入:好人和坏人的人数n(<=32767)、步长m(<=32767);

Output
对于每一组数据,输出2n个大写字母,‘G’表示好人,‘B’表示坏人,50个字母为一行,不允许出现空白字符。相邻数据间留有一空行。

Sample Input

2 3
2 4

Sample Output

GBBG

BGGB

——————————
题意还是很好理解的,举一个稍复杂的例子,n=27,m=20的话,第一次就是要把第20个人处死,然后剩下53个人,然后再把第40个人处死,然后剩下52个人,然后就要把第60个人处死了,但是只剩下52个人,所以要处死第60%52个人,然后剩下51个人,然后处死第80个人,所以要处死第80%51个人

首先介绍一下vector,vector是一种不定长数组,也叫向量,不定长数组也就是说它的长度是不确定的,当vector的储存空间不够的时候,他是乘以2来扩增的,既然叫数组,所以它可以充当数组,但是他又有很多数组没有的骚操作

这个题我们就可以用vector来做
将2n个人从0到2n-1开始编号,至于为什么不从1开始,是因为后面还要进行取模,取模会出现0,编号之后便遍历n次,处死n个人,定义一个bool类型的st数组,用来表示这个人是不是被处死了

#include<iostream>
#include<vector>
#include<cstring>
using namespace std;
const int N=1e6+7;
vector<int> vv;
bool st[N];
int main()
{
	int n,m;
	while(cin>>n>>m)
	{
		vv.clear();
		memset(st,0,sizeof st);
		int nn=n+n,cnt=0;
		
		for(int i=0;i<nn;i++) vv.push_back(i);
		
		for(int i=1;i<=n;i++)
		{
			cnt=(cnt+m-1)%nn;
			st[vv[cnt]]=1;
			vv.erase(vv.begin()+cnt);
			nn--;
			//for(int i=0;i<vv.size();i++) cout<<vv[i]<<"   ";
			//cout<<endl;可以通过每次输出vv的值来体会erase操作
		} 
		
		for(int i=0;i<2*n;i++)
		{
			if(i!=0&&i%50==0) cout<<endl;
			if(st[i]) cout<<"B";
			else cout<<"G";
		}
		cout<<endl<<endl;
	}
	return 0;
 } 
### 构造用于解决圆桌问题的流网络 在处理圆桌问题时,通过构建特定结构的流网络并应用最大流算法来寻找解决方案是一种有效的方法。具体来说: 对于给定的人数以及座位安排条件,在构造流网络时需要引入虚拟源点 \(s\) 和汇点 \(t\) 来表示人员分配情况下的起点和终点。每个人作为节点加入到该图中,并且每张桌子同样被视作一个独立节点。 为了确保每个人都能够恰好坐在一张桌子上而不违反任何约束条件(比如性别交替),可以按照如下方式建立连接关系[^1]: - **个人至桌子之间的边**:如果某位成员可以选择坐于某个位置,则在这两者间创建一条由前者指向后者的边,其容量设为1,意味着此位置仅能容纳一人就座。 - **桌子内部循环链路**:为了让同一桌上不同席次之间形成闭合路径从而实现轮流而坐的效果,可以在相邻两个座位对应的节点间设置双向边,它们各自拥有单位容量。这有助于模拟实际场景下人们围绕餐桌按顺序排列的情形。 - **特殊链接**:依据实际情况可能还需要额外添加一些特殊的边以辅助计算过程中的流量平衡调整。例如,当涉及到多轮次会议或是存在某些特别规定时,可以通过增加适当权重或方向性的边来进行适应性修改[^3]。 最后一步是确认整个系统的合法性——即检查所得到的最大流值是否正好匹配参与人数总数。只有在这种情况下才能说明找到了一种合理的座位分布方案;反之则表明当前设定条件下无法达成目标配置。 ```python from collections import defaultdict def add_edge(graph, u, v, capacity): graph[u].append((v, len(graph[v]), capacity)) graph[v].append((u, len(graph[u]) - 1, 0)) # reverse edge with zero capacity initially def max_flow_bfs(graph, source, sink): n = len(graph) flow = [0] * n parent = [-1] * n while True: visited = [False] * n queue = [(source, float('inf'))] for (node, path_flow) in queue: if not visited[node]: visited[node] = True if node == sink: break for i, (_, rev_idx, cap) in enumerate(graph[node]): next_node = _[0] if cap > 0 and not visited[next_node]: queue.append((next_node, min(path_flow, cap))) parent[next_node] = (node, i) if not visited[sink]: return sum(flow), graph increment = queue[-1][1] v = sink while v != source: u, idx = parent[v] _, rev_idx, _ = graph[u][idx] graph[u][idx] = (graph[u][idx][0], graph[u][idx][1], graph[u][idx][2] - increment) graph[v][rev_idx] = (graph[v][rev_idx][0], graph[v][rev_idx][1], graph[v][rev_idx][2] + increment) v = u flow[sink] += increment ```
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