武理校赛D题 星际穿越(分层图 + dij堆优化)

2023-11-24 01:50

本文主要是介绍武理校赛D题 星际穿越(分层图 + dij堆优化),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

武理校赛D题

星际穿越(分层图 + dij堆优化)

牛客链接

题意:

给定 N 个点,M 条边,每条边有边权 w,点分为三类,编号为1,2,3。

给定起点和终点且保证起点和终点都是第 3 类点。

求起点到终点的最短路,且路径中需要有一个 (不多不少刚好一个)1 类点和一个 2 类点,通过 1 类点的时间要在通过 2 类点之前。

保证数据无重边,无负环,图连通。

思路:

第一眼看过去类似一个最短路问题,只不过加了限制条件,因此考虑使用最短路解决。

典中典之错误思路:

一开始想到将所有 1 类点都连接一个边权为 0 的超级源点,2 类点同理,这样可以将模型大概简化为:所有三类点 -> 所有一类点 -> 所有二类点 -> 所有三类点,跑三次 dij 找到答案。
在这里插入图片描述
(最后发现这种算法假了qwq)

这种建图无法保证:

局部最优解是全局最优解;

存在 三类点 -> 二类点 -> 一类点 的可能;

正确思路:

建分层图,分三层:

每一层中的三类点都是联通的;

第一层路径包括 3 -> 3,3 -> 1;

从第一层到第二层的路径由 1 -> (第二层的)3 组成;

第二层路径包括 3 -> 3,1 -> 3;

第二层到第三层的路径由 1 -> (第三层的)2,3 -> (第三层的)2 组成;

第三层路径包括 3 -> 3,2 -> 3;

建完图之后只要从第一层的起点跑到第三层的终点,跑一边 dij 即可算出答案。

细节:

三层图,因此 MAXN 和 MAXM 都要开成三倍;
距离初始化时也要初始化到 3 * n;

const int MAXN = 300010;
const int MAXM = 1500010;
for (int i = 1;i <= n * 3 + 2;i++) dis[i] = inf;

剩下没啥细节基本都是模板

完整代码:

#define _CRT_SECURE_NO_WARNINGS
#include<stdio.h>
#include<iostream>
#include<cstring>
#include<algorithm>
#include<map>
#include<vector>
#include<math.h>
#include<queue>
using namespace std;
typedef long long ll;
typedef double dd;
typedef pair<int, int> pii;
typedef pair<dd, dd> pdd;
const int MAXN = 300010;
const int inf = 1e9 + 7;
const int MAXM = 1500010;//dij 模板
struct EDGE {int u, v, w, nxt;
}e[MAXM];
int head[MAXN], cnt, vis[MAXN], dis[MAXN];
struct NODE {int w, now;bool operator < (const NODE& x) const{return w > x.w;}
};
priority_queue<NODE>q;
int n, m, s, t;
int lei[MAXN];void add(int u, int v, int w)
{e[++cnt] = { u,v,w,head[u] };head[u] = cnt;
}void dij()
{for (int i = 1;i <= n * 3 + 2;i++) dis[i] = inf;dis[s] = 0;q.push({ 0,s });while (q.size()){NODE x = q.top();q.pop();int u = x.now;if (vis[u]) continue;vis[u] = 1;for (int i = head[u];i;i = e[i].nxt){int v = e[i].v;if (dis[v] > dis[u] + e[i].w){dis[v] = dis[u] + e[i].w;q.push({ dis[v],v });}}}
}int main()
{scanf("%d%d%d%d", &n, &m, &s, &t);for (int i = 1;i <= n;i++) scanf("%d", &lei[i]);for (int i = 1;i <= m;i++){int u, v, w;scanf("%d%d%d", &u, &v, &w);if (lei[u] == 3 && lei[v] == 3) add(u, v, w), add(u + n, v + n, w), add(u + 2 * n, v + 2 * n, w);//3 -> 3, 每层都建if (lei[u] == 3 && lei[v] == 1) add(u, v + n, w);//3 -> 1, 第一层到第二层的路径if (lei[u] == 3 && lei[v] == 2) add(u + n, v + 2 * n, w);//3 -> 2, 第二层到第三层的路径if (lei[u] == 1 && lei[v] == 2) add(u + n, v + 2 * n, w);//1 -> 2, 第二层到第三层的路径if (lei[u] == 1 && lei[v] == 3) add(u + n, v + n, w);//1 -> 3, 第二层中的路径if (lei[u] == 2 && lei[v] == 3) add(u + 2 * n, v + 2 * n, w);//2 -> 3, 第三层中的路径}dij();if (dis[t + 2 * n] >= inf) printf("-1");//第一层起点到第三层终点的最短路径else printf("%d", dis[t + 2 * n]);
}

总结:

比赛写这题时心态较急,导致没有仔细思考当时的思路是否可行就开始写,导致一直按照错误思路写到最后 20 分钟才在推优的提醒下发现算法写假。
另一原因也是以前没有写过分层图的题目,所以比赛时即便想到可能可以建三层图,却无法确定是否可行,在两种思路中果断选择了错误的思路 (不愧是我)

这篇关于武理校赛D题 星际穿越(分层图 + dij堆优化)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/421058

相关文章

Python通过模块化开发优化代码的技巧分享

《Python通过模块化开发优化代码的技巧分享》模块化开发就是把代码拆成一个个“零件”,该封装封装,该拆分拆分,下面小编就来和大家简单聊聊python如何用模块化开发进行代码优化吧... 目录什么是模块化开发如何拆分代码改进版:拆分成模块让模块更强大:使用 __init__.py你一定会遇到的问题模www.

SpringBoot首笔交易慢问题排查与优化方案

《SpringBoot首笔交易慢问题排查与优化方案》在我们的微服务项目中,遇到这样的问题:应用启动后,第一笔交易响应耗时高达4、5秒,而后续请求均能在毫秒级完成,这不仅触发监控告警,也极大影响了用户体... 目录问题背景排查步骤1. 日志分析2. 性能工具定位优化方案:提前预热各种资源1. Flowable

SpringBoot3实现Gzip压缩优化的技术指南

《SpringBoot3实现Gzip压缩优化的技术指南》随着Web应用的用户量和数据量增加,网络带宽和页面加载速度逐渐成为瓶颈,为了减少数据传输量,提高用户体验,我们可以使用Gzip压缩HTTP响应,... 目录1、简述2、配置2.1 添加依赖2.2 配置 Gzip 压缩3、服务端应用4、前端应用4.1 N

Spring Boot + MyBatis Plus 高效开发实战从入门到进阶优化(推荐)

《SpringBoot+MyBatisPlus高效开发实战从入门到进阶优化(推荐)》本文将详细介绍SpringBoot+MyBatisPlus的完整开发流程,并深入剖析分页查询、批量操作、动... 目录Spring Boot + MyBATis Plus 高效开发实战:从入门到进阶优化1. MyBatis

MyBatis 动态 SQL 优化之标签的实战与技巧(常见用法)

《MyBatis动态SQL优化之标签的实战与技巧(常见用法)》本文通过详细的示例和实际应用场景,介绍了如何有效利用这些标签来优化MyBatis配置,提升开发效率,确保SQL的高效执行和安全性,感... 目录动态SQL详解一、动态SQL的核心概念1.1 什么是动态SQL?1.2 动态SQL的优点1.3 动态S

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

一文详解SpringBoot响应压缩功能的配置与优化

《一文详解SpringBoot响应压缩功能的配置与优化》SpringBoot的响应压缩功能基于智能协商机制,需同时满足很多条件,本文主要为大家详细介绍了SpringBoot响应压缩功能的配置与优化,需... 目录一、核心工作机制1.1 自动协商触发条件1.2 压缩处理流程二、配置方案详解2.1 基础YAML

MySQL中慢SQL优化的不同方式介绍

《MySQL中慢SQL优化的不同方式介绍》慢SQL的优化,主要从两个方面考虑,SQL语句本身的优化,以及数据库设计的优化,下面小编就来给大家介绍一下有哪些方式可以优化慢SQL吧... 目录避免不必要的列分页优化索引优化JOIN 的优化排序优化UNION 优化慢 SQL 的优化,主要从两个方面考虑,SQL 语

MySQL中慢SQL优化方法的完整指南

《MySQL中慢SQL优化方法的完整指南》当数据库响应时间超过500ms时,系统将面临三大灾难链式反应,所以本文将为大家介绍一下MySQL中慢SQL优化的常用方法,有需要的小伙伴可以了解下... 目录一、慢SQL的致命影响二、精准定位问题SQL1. 启用慢查询日志2. 诊断黄金三件套三、六大核心优化方案方案

Redis中高并发读写性能的深度解析与优化

《Redis中高并发读写性能的深度解析与优化》Redis作为一款高性能的内存数据库,广泛应用于缓存、消息队列、实时统计等场景,本文将深入探讨Redis的读写并发能力,感兴趣的小伙伴可以了解下... 目录引言一、Redis 并发能力概述1.1 Redis 的读写性能1.2 影响 Redis 并发能力的因素二、