CF125E MST Company

1522713-20191008145124530-662287918.png

换句话说就是要求一号点的出度为k的最短路

容易发现:当连在1号节点的几个边同时加一个数的时候,1号店的度会减少,反之,当同时增大一个k的时候,1号点的度会增大

因此,我们考虑二分一个数作为连在1号节点的那几条边修改的数值,进行二分查找出答案即可

#include <iostream>
#include <stdio.h>
#include <string.h>
#include <algorithm>
#include <vector>
#define maxn 5500
#define maxm 1100000
#define rep(x,y,z) for(int x = y ; x <= z ; x ++)
using namespace std ;
int n , m , kk ;
struct dy{
    int u , v , w , id ;
    int operator < (const dy &x) const {
        return w == x.w ? u < x.u : w < x.w ;
    }
}a[maxm] ;
vector<int>ans ;
int fa[maxn] ;
int find(int x) {
    return x == fa[x] ? x : fa[x] = find(fa[x]) ;
}
void unionn(int x ,int y){
    fa[find(x)] = find(y) ;
}
int read() ;
int ksm(int k) {
    ans.clear() ;
    rep(i,1,n) fa[i] = i ;
    int cnt = 0 , in = 0 ;
    rep(i,1,m) {
        if(a[i].u == 1 || a[i].v == 1) {
            a[i].w += k ;
        }
    }sort(a+1,a+1+m) ;
    rep(i,1,m) {
        int u = a[i].u , v = a[i].v , w = a[i].w ;
        int fu = find(u) , fv = find(v) ;
        if(fu == fv) continue ; 
        fa[fv] = fu ;
        if(u == 1 || v == 1) in ++  ;
        ans.push_back(a[i].id) ;
        cnt ++ ;
        if(cnt == n-1) break ;
    }
    rep(i,1,m) {
        if(a[i].u == 1 || a[i].v == 1) a[i].w -= k ;
    }return in ;
    
}
int deal(int k) {
    ans.clear() ;
    rep(i,1,n) fa[i] = i ;
    int cnt = 0 , in = 0 ;
    rep(i,1,m) {
        if(a[i].u == 1 || a[i].v == 1) {
            a[i].w += k ;
        }
    }sort(a+1,a+1+m) ;
    rep(i,1,m) {
        int u = a[i].u , v = a[i].v , w = a[i].w ;
        int fu = find(u) , fv = find(v) ;
        if(fu == fv) continue ;
        if(a[i].u == 1 && in == kk) continue ;
        fa[fv] = fu ;
        if(u == 1 || v == 1) in ++ ;
        cnt ++ ;
        ans.push_back(a[i].id) ;
    }
    rep(i,1,m) {
        if(a[i].u == 1 || a[i].v == 1) a[i].w -= k ;
    }
    if(cnt != n-1 || in != kk) {
        puts("-1") ;
        exit(0) ;
    } 
    cout << n-1 << endl ;
    for(int i = 0 ; i < ans.size() ; i ++) cout << ans[i] << " " ;
    puts("") ;exit(0) ;
    return in ; 
}
int main () {
    n = read() , m = read() , kk = read() ;
    rep(i,1,m) {
        a[i].u = read() , a[i].v = read() , a[i].w = read() , a[i].id = i ;
        if(a[i].u > a[i].v) swap(a[i].u,a[i].v) ;
    }int l = -1e5 , r = 1e5 , Ans = -1e9 ;
    while(l <= r) {
        int mid = (l+r) / 2 ;
        if(ksm(mid) < kk) r = mid - 1 ;
        else {
            l = mid + 1 , Ans = mid ; 
        }
    }
    deal(Ans) ;
    return 0 ;
}
int read() {
    int x = 0 , f = 1 ; char s = getchar() ;
    while(s > '9' || s < '0') {if(s == '-') f = -1 ; s = getchar() ;}
    while(s <='9' && s >='0') {x = x * 10 + (s-'0'); s = getchar() ;}
    return x*f ;
}

转载于:https://www.cnblogs.com/lyt020321/p/11635437.html

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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
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