zoukankan      html  css  js  c++  java
  • NOIP2017 D1T3 逛公园

    发现 (K) 很小,不妨设置一个 (O(NK))(DP)

    发现可行的最短路必须满足是 (d <= dis <= d + K)

    由逆向思维,则是从某点出发,可以消耗 (K) 个单位的冗余长度,最终到达 (n)

    如何快速的计算出有走这条边冗余长度呢

    首先建反向图跑 (Dijkstra),求出 (dis[i]) 表示从 (i)(n) 的最短路距离。

    假设有一条边 ((u, v)),边长为 (w)

    那么我现在从 (u)(n) 的预算距离是 (dis[v] + w),最短距离是 (dis[u])

    那么多走的就是 (dis[v] + w - dis[u])

    设计 (DP) 状态表示:

    (f[i][j]) 表示从 (i)(n),以及消耗了 (j) 个单位的冗余长度的方案数。

    状态转移:

    设有边 ((u, v)),边长为 (w)

    则有 (f[u][j] += f[v][j - (dis[v] + w - dis[u])])

    边界 (f[n][0] = 1),其余为 (0)

    答案 (sum_{i = 0}^{K} f[1][i])

    无穷解的判断:

    发现有无穷解,当且仅当:

    有一个总权为 (0) 的环。

    我们可以在 (DP) 的时候搞一个 (vis) 数组判断,就不需要单独判无穷解了。

    时间复杂度

    整个过程用记忆化搜索实现,由于一共有 (NK) 个状态,每个点被枚举 (K) 次,即每条边总体被枚举 (K) 次。

    所以复杂度 (O(K(N + M)))

    (Tips:)

    1. 可能走到 (n) 再折回去,所以 $u = n $ 时不能直接 (return)
    2. 可能存在经过 (n) 点的 (0) 环,所以到 (n) 点时顺便判一下环。
    #include <cstdio>
    #include <iostream>
    #include <cstring>
    #include <queue>
    #include <vector>
    #include <cstdlib>
    using namespace std;
    typedef pair<int, int> PII;
    const int N = 100005, M = 400005, S = 51;
    int n, m, K, P, f[N][S], dis[N];
    int head[N], rhead[N], numE[2];
    bool st[N], vis[N][S], ep = false;
    struct E {
        int next, v, w;
    }e[M], r[M];
    //建图
    void inline add(E g[], int h[], int u, int v, int w, int p) {
        g[++numE[p]] = (E) { h[u], v, w };
        h[u] = numE[p];
    }
    //多组数据初始化
    void inline init() {
        ep = false;
        memset(dis, 0x3f, sizeof dis);
        memset(st, false, sizeof st);
        numE[0] = numE[1] = 0;
        memset(head, 0, sizeof head);
        memset(rhead, 0, sizeof head);
        memset(f, -1, sizeof f);
    }
    // Dijkstra 最短路
    priority_queue<PII, vector<PII>, greater<PII> > q;
    void inline dijkstra() {
        dis[n] = 0; q.push(make_pair(0, n));
        while(!q.empty()) {
            PII u = q.top(); q.pop();
            if(st[u.second]) continue;
            st[u.second] = true;
            for (int i = rhead[u.second]; i; i = r[i].next) {
                int v = r[i].v;
                if(dis[u.second] + r[i].w < dis[v]) {
                    dis[v] = dis[u.second] + r[i].w;
                    q.push(make_pair(dis[v], v));
                }
            }
        }
    }
    
    //记忆化搜索
    int dfs(int u, int j) {
        if(vis[u][j]) { ep = true; return 0; }
        if(f[u][j] != -1) return f[u][j];
        
        vis[u][j] = true;
        int &val = f[u][j] = 0;
        for (int i = head[u]; i; i = e[i].next) {
            int v = e[i].v, w = e[i].w;
            //消耗的冗余长度折算
            int k = j - (dis[v] + w - dis[u]);
            if(0 <= k && k <= K) (val += dfs(v, k)) %= P;
            if(ep) return 0;
        }
        
        vis[u][j] = false;
        if(u == n && j == 0) val = 1;
        return val;
    }
    
    int main() {
        int T; scanf("%d", &T);
        while(T--) {
            init();
            scanf("%d%d%d%d", &n, &m, &K, &P);
            for (int i = 1, u, v, w; i <= m; i++) {
                scanf("%d%d%d", &u, &v, &w);
                add(e, head, u, v, w, 0); add(r, rhead, v, u, w, 1);
            }
        
            dijkstra();
            
            int ans = 0;
            for (int i = 0; i <= K; i++) {
                memset(vis, false, sizeof vis);
                (ans += dfs(1, i)) %= P;
                if(ep) break; 
            }
            if(ep) puts("-1");
            else printf("%d
    ", ans);
        }
    }
    
  • 相关阅读:
    带色彩恢复的多尺度视网膜增强算法(MSRCR)的原理、实现及应用。
    索引图像的那些事啊
    调整图像 自动对比度、自动色阶算法
    图像处理界双线性插值算法的优化
    共享收集的图像处理方面的一些资源和网站。
    Wellner 自适应阈值二值化算法
    基于灰度世界、完美反射、动态阈值等图像自动白平衡算法的原理、实现及效果
    VB6.0用GDI+保存图像为BMP\JPG\PNG\GIF格式终结版。
    关于.net中获取图像缩略图的函数GetThumbnailImage的一些认识。
    限制对比度自适应直方图均衡化算法原理、实现及效果
  • 原文地址:https://www.cnblogs.com/dmoransky/p/11717150.html
Copyright © 2011-2022 走看看