[拓扑排序+记忆化搜索+bfs/dfs] [HAOI2016]食物链

[HAOI2016]食物链 (nowcoder.com)icon-default.png?t=LA46https://ac.nowcoder.com/acm/problem/20000

目录

题目描述

输入描述:

输出描述:

输入

输出

BFS写法

DFS写法


题目描述

现在给你n个物种和m条能量流动关系,求其中的食物链条数。

物种的名称为从1到n编号

M条能量流动关系形如

a1 b1

a2 b2

a3 b3

......

am-1 bm-1

am bm

其中ai bi表示能量从物种ai流向物种bi,注意单独的一种孤立生物不算一条食物链

输入描述:

第一行两个整数n和m,接下来m行每行两个整数ai,bi描述m条能量流动关系。 (数据保证输入数据符号生物学特点,且不会有重复的能量流动关系出现) 

1 ≤ N ≤ 100000,0 ≤ m ≤ 200000

题目保证答案不会爆 int

输出描述:

一个整数即食物网中的食物链条数

示例1

输入

10 16
1 2
1 4
1 10
2 3
2 5
4 3
4 5
4 8
6 5
7 6
7 9
8 5
9 8
10 6
10 7
10 9

输出

9

 

BFS写法

在拓扑排序的基础上,

(出度为0,入度不为零的点即为食物链的最低端,  而且由题意入度和出度都为零的点不算做食物链)

设想一下,你处于食物链最底端, 如何知道截止到你为止共有几条食物链呢, 你只需要直到截止到你的上一级共有多少条食物链, 以此类推, 可以按照逆过程得到所有食物链底端的食物链条数, 它们之和就是总的食物链条数

 运行时间: 44 ms 占用内存:4472K

#include <iostream>
#include <cstring>
#include <queue>
#include <algorithm>
using namespace std;

const int N = 5e5+10;
int n,m;
int h[N], e[N], ne[N],idx;
queue<int> q;
int in[N];
int res[N]; //记忆化
void add(int a, int b) 
{
    e[idx] = b, ne[idx] = h[a], h[a] = idx ++ ;
}

int topSort()
{
    for(int i = 1; i <= n; i ++)
        if(!in[i]){
            if(h[i]!=-1) res[i]=1;
            q.push(i);
        }
    
    int sum=0;
    while(q.size())
    {
        int t = q.front();
        q.pop();
        for(int i = h[t]; i != -1; i = ne[i]){
            int j = e[i];
            in[j]--;
            res[j] += res[t];
            if(!in[j]) q.push(j);
        }
        if(h[t]==-1) sum += res[t];
    }
    return sum;
}
int main()
{
    cin >> n >> m;
    
    memset(h, -1, sizeof h);
    int a, b;
    while(m--)
    {
        scanf("%d%d", &a, &b);
        add(a, b);
        in[b]++;
    }
    cout << topSort();
    return 0;
}

DFS写法

与上一种写法思路差不多,但程序的递推流程截然相反,一个是由顶至下更新,一个是自底而上

运行时间51ms  占用内存8568KB(内存耗费较为大)

#include <iostream>
#include <cstring>
#include <queue>
#include <algorithm>
using namespace std;

const int N = 5e5+10;
int n,m;
int h[N], e[N], ne[N],idx;
int in[N];
int res[N];
void add(int a, int b) 
{
    e[idx] = b, ne[idx] = h[a], h[a] = idx ++ ;
}

int dfsTop(int u)
{
    if(h[u] == -1) return 1;
    if(res[u] != -1) return res[u]; //若是在之前的递归中已更新过,则直接可用
    int t = 0;
    for(int j = h[u]; j != -1; j =ne[j]){
        int k = e[j];
        t += dfsTop(k);
    }
    return res[u] = t;  //更新并返回
}
int main()
{
    cin >> n >> m;
    
    memset(h, -1, sizeof h);
    int a, b;
    while(m--)
    {
        scanf("%d%d", &a, &b);
        add(a, b);
        in[b]++;
    }

    int sum = 0;
    memset(res, -1, sizeof res);
    for(int i = 1; i <= n; i ++)
        if(!in[i] && h[i] != -1)
            sum += dfsTop(i);

    cout << sum;
    return 0;
}

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
好的,你的要求已经记录下来了。让我来解答你的问题。 在 gsearch.py 中实现 DFSBFS、基于 BFS 的最短路径和拓扑排序算法的方法如下: 1. DFS(深度优先搜索): DFS 通过深度优先的方式搜索图形结构。在图形结构中,DFS 沿着一个路径尽可能深入地搜索,直到找到目标节点为止,然后回溯到前一个节点,继续搜索其他路径。 以下是实现 DFS 算法的 Python 代码: ``` def dfs(graph, start, visited=None): if visited is None: visited = set() visited.add(start) for next in graph[start] - visited: dfs(graph, next, visited) return visited ``` 2. BFS(广度优先搜索): BFS 通过广度优先的方式搜索图形结构。在图形结构中,BFS 从起点开始,沿着所有的路径分别搜索一层,然后继续向下搜索下一层,直到找到目标节点为止。 以下是实现 BFS 算法的 Python 代码: ``` def bfs(graph, start): visited, queue = set(), [start] while queue: vertex = queue.pop(0) if vertex not in visited: visited.add(vertex) queue.extend(graph[vertex] - visited) return visited ``` 3. 基于 BFS 的最短路径算法: 基于 BFS 的最短路径算法可以用于在无权图中查找最短路径。算法从起点开始,通过 BFS 搜索图形结构,记录每个节点到起点的距离,并在找到目标节点时返回路径。 以下是实现基于 BFS 的最短路径算法的 Python 代码: ``` from collections import deque def shortest_path(graph, start, end): queue = deque([(start, [start])]) while queue: vertex, path = queue.popleft() for next in graph[vertex] - set(path): if next == end: return path + [next] else: queue.append((next, path + [next])) ``` 4. 拓扑排序算法: 拓扑排序算法用于有向无环图(DAG)中的节点排序。算法从 DAG 中选择一个没有前驱节点的节点,并将其输出。然后将该节点从 DAG 中删除,并更新其余节点的前驱节点。重复此过程,直到所有节点都被输出为止。 以下是实现拓扑排序算法的 Python 代码: ``` def topological_sort(graph): in_degree = {vertex: 0 for vertex in graph} for vertex in graph: for neighbor in graph[vertex]: in_degree[neighbor] += 1 queue = deque([vertex for vertex in in_degree if in_degree[vertex] == 0]) result = [] while queue: vertex = queue.popleft() result.append(vertex) for neighbor in graph[vertex]: in_degree[neighbor] -= 1 if in_degree[neighbor] == 0: queue.append(neighbor) return result ``` 希望这些代码可以帮助你实现 gsearch.py 中的算法。如果你有任何问题,请随时问我。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

泥烟

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