L2-3 龙龙送外卖

L2-3 龙龙送外卖

龙龙是“饱了呀”外卖软件的注册骑手,负责送帕特小区的外卖。帕特小区的构造非常特别,都是双向道路且没有构成环 —— 你可以简单地认为小区的路构成了一棵树,根结点是外卖站,树上的结点就是要送餐的地址。

每到中午 12 点,帕特小区就进入了点餐高峰。一开始,只有一两个地方点外卖,龙龙简单就送好了;但随着大数据的分析,龙龙被派了更多的单子,也就送得越来越累……

看着一大堆订单,龙龙想知道,从外卖站出发,访问所有点了外卖的地方至少一次(这样才能把外卖送到)所需的最短路程的距离到底是多少?每次新增一个点外卖的地址,他就想估算一遍整体工作量,这样他就可以搞明白新增一个地址给他带来了多少负担。

输入格式:

输入第一行是两个数 N 和 M (2≤N≤105, 1≤M≤105),分别对应树上节点的个数(包括外卖站),以及新增的送餐地址的个数。

接下来首先是一行 N 个数,第 i 个数表示第 i 个点的双亲节点的编号。节点编号从 1 到 N,外卖站的双亲编号定义为 −1。

接下来有 M 行,每行给出一个新增的送餐地点的编号 Xi​。保证送餐地点中不会有外卖站,但地点有可能会重复。

为了方便计算,我们可以假设龙龙一开始一个地址的外卖都不用送,两个相邻的地点之间的路径长度统一设为 1,且从外卖站出发可以访问到所有地点。

注意:所有送餐地址可以按任意顺序访问,且完成送餐后无需返回外卖站

输出格式:

对于每个新增的地点,在一行内输出题目需要求的最短路程的距离。

输入样例:

7 4
-1 1 1 1 2 2 3
5
6
2
4

输出样例:

2
4
4
6

 题解:标记一条链,每多一个外卖送餐点,往上搜父亲,直到访问到已经经过的点退出返回(到链的路径*2),到达最深的点不返回即可,即答案就是(sigma 到链的路径*2)- 最深点的深度。

AC代码:

#include<bits/stdc++.h>
#define ll long long
#define pb push_back
using namespace std;
const int Max=1e6+5;
const ll INF=1e10;
int father[Max];
bool vis[Max];
int maxa_len=0;
int dp[Max];
vector<int>mp[Max];
int dfs1(int fa,int x,int num){//找出每个点的深度
	dp[x]=num;
	for(int i=0;i<mp[x].size();i++){
		int v=mp[x][i];
		if(v==fa) continue;
		dfs1(x,v,num+1);
	}
} 
int dfs(int fa,int len){//往上遍历返回到已标记链的路径*2
	if(vis[fa]){
		return 2*len;
	}
	vis[fa]=true;
	return dfs(father[fa],len+1);
}
int main(){
	int n,m;
	cin>>n>>m;int pre;
	for(int i=0;i<n;i++){
		int k;cin>>k;
		if(k==-1){
			pre=i+1;
			vis[i+1]=true;
			continue;
		}else mp[k].pb(i+1);
		father[i+1]=k;
	}
	dfs1(-1,pre,0);
	int sum=0;
	while(m--){
		int k;cin>>k;
		sum+=dfs(k,0);
		maxa_len=max(maxa_len,dp[k]);
		cout<<sum-maxa_len<<endl;
	}
}

### 龙送外卖问题解析 #### 问题背景 该问题是基于一棵树结构的路径规划问题。帕特小区的道路被抽象成一颗无环图(即树),其中根节代表外卖,其他节则表示需要配送的目标地址。目标是从外卖出发,完成所有订单的配送任务,并计算出最短路径长度。 --- #### 解决思路 此问题的核心在于如何高效遍历树中的特定子集节并找到最优路径。以下是解决方法的关键: 1. **建模与输入处理** 输入数据通常包括两个部分:一是描述树结构的数据;二是指定哪些节外卖需求。可以通过邻接表来存储树结构以便后续操作[^1]。 2. **LCA算法的应用** 计算任意两之间的距离需要用到最近公共祖先(Lowest Common Ancestor, LCA)的概念。通过预处理可以快速查询任意两节间的距离关系[^3]。 3. **贪心策略优化路径** 考虑到最终无需返回起这一特性,在构建访问顺序时可采用如下方式减少总行程: - 将当前待访问集合按其离上一位置的距离远近排序; - 始终优先前往较近的目的地以降低整体开销。 4. **动态规划辅助决策** (如果涉及多次更新请求的情况) 对于每增加一个新的送货地,则重新评估现有路线是否能够调整得更优。这可能涉及到状态转移方程的设计以及记忆化技术的应用[^2]。 ```python from collections import defaultdict, deque def preprocess_lca(tree, root=0): """ 使用倍增法预处理LCA """ n = len(tree) logn = int(math.log2(n)) + 1 depth = [-1]*n ancestor = [[-1]*logn for _ in range(n)] queue = deque([(root,-1,0)]) while queue: node,parent,d = queue.popleft() if parent != -1: ancestor[node][0]=parent depth[node]=d for i in range(1,logn): if ancestor[node][i-1]!=-1 and \ ancestor[ancestor[node][i-1]][i-1]!=-1 : ancestor[node][i]=\ ancestor[ancestor[node][i-1]][i-1] for child in tree[node]: if child!=parent: queue.append((child,node,d+1)) def lca_query(u,v): if depth[u]<depth[v]: u,v=v,u diff = depth[u]-depth[v] for i in range(logn)[::-1]: if (diff>>i)&1: u=ancestor[u][i] if u==v:return u for i in range(logn)[::-1]: if ancestor[u][i]!=-1 and ancestor[u][i]!=ancestor[v][i]: u,v=ancestor[u][i],ancestor[v][i] return ancestor[u][0] return lca_query # 构造样例测试函数 if __name__ == "__main__": edges=[(0,1),(0,2),(1,3),(1,4)] # 定义边连接情况 adj_list=defaultdict(list) for a,b in edges: adj_list[a].append(b) adj_list[b].append(a) query_func=preprocess_lca(adj_list) print(query_func(3,4)) # 输出它们的lca结果验证正确性 ``` 上述代码片段展示了如何利用广度优先搜索(BFS)配合倍增技巧实现高效的LCA查询功能。 --- #### 结果分析 经过以上步骤后即可得出满足条件下的最小移动代价。值得注意的是实际编码过程中还需要考虑边界状况比如只有一个客户或者全部顾客都在同一分支等情况特殊处理才能保证解答完全准确。 ---
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

打赏作者

Syan114514

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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