【算法训练营】最小交换,楼尔邦德,最短路(python实现)

2024-02-26 18:20

本文主要是介绍【算法训练营】最小交换,楼尔邦德,最短路(python实现),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!

最小交换


时间限制:4 sec

空间限制:256 MB

问题描述

给定一个 1 到 n 的排列(即一个序列,其中 [1,n] 之间的正整数每个都出现了恰好 1 次)。

你可以花 1 元钱交换两个相邻的数。

现在,你希望把它们升序排序。求你完成这个目标最少需要花费多少元钱。

输入格式

第一行一个整数 n,表示排列长度。

接下来一行 n 个用空格隔开的正整数,描述这个排列。

输出格式

输出一行一个非负整数,表示完成目标最少需要花多少元钱。

样例输入

3
3 2 1

样例输出

3

样例解释

你可以:

花 1 元交换 1,2,序列变成 3 1 2

花 1 元交换 1,3,序列变成 1 3 2

花 1 元交换 2,3,序列变成 1 2 3

总共需要花 3 元。

可以证明不存在更优的解。

数据范围

对于 20% 的数据,保证 n<=7。

对于 60% 的数据,保证 n<=1,000。

对于 100% 的数据,保证 n<=200,000。

提示

[每次交换相邻的两个数都会使逆序对 +1 或 -1。]

[逆序对数目不为零时,一定存在相邻的逆序对。]

[因此最优策略显然是每次都让逆序对数目 -1。]

[所以答案即为逆序对数目。]

[朴素的算法时间复杂度是 O(n^2) 的。]

[用归并排序求逆序对数可以通过本题。需要提醒的是,答案可能超过 32 位整数的范围哦。]

[逆序对数目同样可以用树状数组优化朴素的 O(n^2) 算法,并获得和归并排序相同的时间复杂度。有兴趣的同学可以自行学习。]

代码实现 

def merge_and_count(arr, left, mid, right):i, j, k = left, mid + 1, 0count = 0temp = [0] * (right - left + 1)while i <= mid and j <= right:if arr[i] <= arr[j]:temp[k] = arr[i]i += 1else:temp[k] = arr[j]count += mid - i + 1  # 计算逆序对数量j += 1k += 1while i <= mid:temp[k] = arr[i]i += 1k += 1while j <= right:temp[k] = arr[j]j += 1k += 1for i in range(len(temp)):arr[left + i] = temp[i]return countdef merge_sort_and_count(arr, left, right):count = 0if left < right:mid = (left + right) // 2count += merge_sort_and_count(arr, left, mid)count += merge_sort_and_count(arr, mid + 1, right)count += merge_and_count(arr, left, mid, right)return countdef min_swaps(arr):return merge_sort_and_count(arr, 0, len(arr) - 1)# 读取输入
n = int(input())
arr = list(map(int, input().split()))# 计算最少花费的元钱
result = min_swaps(arr)
print(result)

楼尔邦德


时间限制:2 sec

空间限制:256 MB

问题描述

给定包含 n 个数的序列 A。

再给出 Q 个询问,每个询问包含一个数 x,询问的是序列 A 中不小于 x 的最小整数是多少(无解输出-1)。

输入格式

第一行一个数 n,表示序列长度。

第二行 n 个用空格隔开的正整数,描述序列中的每一个元素。保证这些元素都不会超过 10^9。

第三行一个正整数 Q,表示询问个数。

接下来 Q 行,每行一个正整数 x,描述一个询问。

输出格式

输出 Q 行依次回答 Q 个询问,每行一个正整数,表示对应询问的答案。

样例输入

3
3 2 5
6
1
2
3
4
5
6

样例输出

2
2
3
5
5
-1

数据范围

对于 50% 的数据,保证 n<=2000。

对于 100% 的数据,保证 n<=300,000。

提示

[如果我们先将原序列排序,那么我们就可以在它上面进行二分查找啦!]

[STL库中有二分查找的函数__std::lower_bound__,你可以学习一下它的使用。当然啦,作为初学者,还是建议自己实现二分查找哦!]

 代码实现

def binary_search(arr, target):low, high = 0, len(arr) - 1result = -1while low <= high:mid = (low + high) // 2if arr[mid] >= target:result = arr[mid]high = mid - 1else:low = mid + 1return resultdef main():# 读取输入n = int(input())sequence = list(map(int, input().split()))q = int(input())# 对序列进行排序sorted_sequence = sorted(sequence)# 处理每个查询for _ in range(q):x = int(input())# 使用二分查找找到不小于 x 的最小整数result = binary_search(sorted_sequence, x)# 输出答案print(result)if __name__ == "__main__":main()

最短路


时间限制:4 sec

空间限制:256 MB

问题描述

给定一张 n 个点的无向带权图,节点的编号从 1 至 n,求从 S 到 T 的最短路径长度。

输入格式

第一行 4 个数 n,m,S, T,分别表示点数、边数、起点、终点。

接下来 m 行,每行 3 个正整数 u,v,w,描述一条 u 到 v 的双向边,边权为 w。

保证 1<=u,v<=n。

输出格式

输出一行一个整数,表示 S 到 T 的最短路。

样例输入

7 11 5 4
2 4 2
1 4 3
7 2 2
3 4 3
5 7 5
7 3 3
6 1 1
6 3 4
2 4 3
5 6 3
7 2 1

样例输出

7

样例文件下载(包含第二个样例)

数据范围

本题共设置 12 个测试点。

对于前 10 个测试点,保证 n<=2500,m<=6200,对于每条边有 w<=1000。这部分数据有梯度。

对于所有的 12 个测试点,保证 n<=100,000,m<=250,000。

提示

[本题是 Dijkstra 算法的模板练习题。]

[使用朴素的 Dijkstra 算法可以通过前 10 个测试点。]

[使用堆或__std::priority_queue__优化的 Dijkstra 算法可以通过所有测试点。]

代码实现 

import heapqdef dijkstra(graph, start, end):n = len(graph)dist = [float('inf')] * ndist[start - 1] = 0pq = [(0, start)]while pq:curr_dist, node = heapq.heappop(pq)if curr_dist > dist[node - 1]:continuefor neighbor, weight in graph[node]:new_dist = curr_dist + weightif new_dist < dist[neighbor - 1]:dist[neighbor - 1] = new_distheapq.heappush(pq, (new_dist, neighbor))return dist[end - 1]# 读取输入
n, m, s, t = map(int, input().split())
graph = {i: [] for i in range(1, n + 1)}for _ in range(m):u, v, w = map(int, input().split())graph[u].append((v, w))graph[v].append((u, w))# 调用 Dijkstra 算法求最短路径
result = dijkstra(graph, s, t)# 输出结果
print(result)

这篇关于【算法训练营】最小交换,楼尔邦德,最短路(python实现)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/749736

相关文章

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

SpringBoot实现数据库读写分离的3种方法小结

《SpringBoot实现数据库读写分离的3种方法小结》为了提高系统的读写性能和可用性,读写分离是一种经典的数据库架构模式,在SpringBoot应用中,有多种方式可以实现数据库读写分离,本文将介绍三... 目录一、数据库读写分离概述二、方案一:基于AbstractRoutingDataSource实现动态

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

Python Websockets库的使用指南

《PythonWebsockets库的使用指南》pythonwebsockets库是一个用于创建WebSocket服务器和客户端的Python库,它提供了一种简单的方式来实现实时通信,支持异步和同步... 目录一、WebSocket 简介二、python 的 websockets 库安装三、完整代码示例1.

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器:探测开放端口2.简易 HTTP 服务器:10 秒搭个网页3.局域网游戏:多人联机对战4.

Java枚举类实现Key-Value映射的多种实现方式

《Java枚举类实现Key-Value映射的多种实现方式》在Java开发中,枚举(Enum)是一种特殊的类,本文将详细介绍Java枚举类实现key-value映射的多种方式,有需要的小伙伴可以根据需要... 目录前言一、基础实现方式1.1 为枚举添加属性和构造方法二、http://www.cppcns.co

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

MySQL双主搭建+keepalived高可用的实现

《MySQL双主搭建+keepalived高可用的实现》本文主要介绍了MySQL双主搭建+keepalived高可用的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,... 目录一、测试环境准备二、主从搭建1.创建复制用户2.创建复制关系3.开启复制,确认复制是否成功4.同

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意

Java实现文件图片的预览和下载功能

《Java实现文件图片的预览和下载功能》这篇文章主要为大家详细介绍了如何使用Java实现文件图片的预览和下载功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... Java实现文件(图片)的预览和下载 @ApiOperation("访问文件") @GetMapping("