传染病控制(暴力dfs,超时了)

问题 1495: [蓝桥杯][算法提高VIP]传染病控制

时间限制: 1Sec 内存限制: 128MB 提交: 37 解决: 7

题目描述

近来,一种新的传染病肆虐全球。蓬莱国也发现  了零星感染者,为防止该病在蓬莱国大范围流行,该国政府决定不惜一切代价控制传染病的蔓延。不幸的是,由于人们尚未完全认识这种传染病,难以准确判别病毒  携带者,更没有研制出疫苗以保护易感人群。于是,蓬莱国的疾病控制中心决定采取切断传播途径的方法控制疾病传播。经过  WHO(世界卫生组织)以及全球各国科研部门的努力,这种新兴传染病的传播途径和控制方法已经研究消楚,剩下的任务就是由你协助蓬莱国疾控中心制定一个有  效的控制办法。 
问题描述 
研究表明,这种传染病的传播具有两种很特殊的性质; 
第一是它的传播途径是树型的,一个人X只可能被某个特定的人Y感染,只要Y不得病,或者是XY之间的传播途径被切断,则X就不会得病。 
第二是,这种疾病的传播有周期性,在一个疾病传播周期之内,传染病将只会感染一代患者,而不会再传播给下一代。 
这些性质大大减轻了蓬莱国疾病防控的压力,并且他们已经得到了国内部分易感人群的潜在传播途径图(一棵树)。但是,麻烦还没有结束。由于蓬莱国疾控中  心人手不够,同时也缺乏强大的技术,以致他们在一个疾病传播周期内,只能设法切断一条传播途径,而没有被控制的传播途径就会引起更多的易感人群被感染(也  就是与当前已经被感染的人有传播途径相连,且连接途径没有被切断的人群)。当不可能有健康人被感染时,疾病就中止传播。所以,蓬莱国疾控中心要制定出一个  切断传播途径的顺序,以使尽量少的人被感染。你的程序要针对给定的树,找出合适的切断顺序。 

输入

输入格式的第一行是两个整数n(1≤n≤300)和p。接下来p行,每一行有两个整数i和j,表示节点i和j间有边相连(意即,第i人和第j人之间有传播途径相连,注意:可能是i到j也可能是j到i)。其中节点1是已经被感染的患者。 
对于给定的输入数据,如果不切断任何传播途径,则所有人都会感染。

输出

只有一行,输出总共被感染的人数。 

样例输入

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

样例输出

3

提示

C语言在线学习平台微信号dotcpp

来源

算法提高

 

题目解答:

据说是用dfs暴力搜索,可是我的代码是超时了,诶。。。

先建树扫描节点,求得每一个节点的深度,depth[i],然后dfs以深度为变量不断搜索,搜到某一层,把ill[i]==1的结点的下一代结点进行标记(传染标记),之后切断传播途径,即下一代的某一个结点置ill[i]==0,其它点继续感染下一代,注意回溯。

#include <iostream>
#include <cstring>
#include <algorithm>
#include <stack>
#include <vector>
#include <cstdio>
#include <map>
#define LL long long
#define INF 0x3f3f3f3f
using namespace std;
const int maxn=100005;
const int maxz=505;
int n,p;
vector<int>v[maxz];
int depth[maxz],ill[maxz],father[maxz];
int th,mini,sum,tem;
void buildtree(int t,int pre)
{
    depth[t]=depth[pre]+1;
    father[t]=pre;
    th=max(th,depth[t]);
    for(int i=0;i<v[t].size();i++)
    {
        if(v[t][i]!=pre)
        {
            buildtree(v[t][i],t);
        }
    }
}
void dfs(int dep)
{
    if(sum>mini)  return ;
    for(int i=1;i<=n;i++)
    {
        if(depth[i]==dep&&ill[i]==1)
        {
            for(int j=0;j<v[i].size();j++)
            {
               if(depth[v[i][j]]==dep+1)
               {
                    ill[v[i][j]]=1;
                    sum++;
                    tem++;
               }
            }
        }
    }
    for(int i=1;i<=n;i++)
    {
        if(depth[i]==dep+1&&ill[i]==1)
        {
            ill[i]=0;
            sum--;
            tem=0;
            if(th==dep+1)
                mini=min(sum,mini);
                //cout << sum << endl;
            dfs(dep+1);
            sum++;
            /*for(int u=1;u<=n;u++)
            {
                if(depth[u]==dep+1&&ill[u]==1)
                {
                    for(int j=0;j<v[u].size();j++)
                    {
                       if(depth[v[u][j]]==dep+2)
                       {
                            ill[v[u][j]]=0;
                            sum--;
                       }
                    }
                }
            }*/
            for(int u=1;u<=n;u++)
            {
                if(depth[u]==dep+2&&ill[father[u]]==1)
                {
                    ill[u]=0;
                    sum--;
                }
            }
            ill[i]=1;
        }
    }
}

int main()
{
    ios::sync_with_stdio(false);
    cin>>n>>p;
    for(int i=0;i<p;i++)
    {
        int a,b;
        cin>>a>>b;
        v[a].push_back(b);
        v[b].push_back(a);
    }
    buildtree(1,0);
    ill[1]=1;
    mini=maxz;
    sum=1;
    dfs(1);
    cout << mini << endl;
    return 0;
}

 

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
当涉及到传染病最优控制问题时,MATLAB是一个强大的工具,可以用于建立和求解相关的数学模型。以下是一个简单的示例代码,用于演示如何使用MATLAB进行传染病最优控制问题的建模和求解: ```matlab % 传染病最优控制代码示例 % 参数设置 beta = 0.5; % 传染率 gamma = 0.1; % 恢复率 T = 10; % 时间周期 N = 100; % 总人口数 % 状态变量 S = zeros(T+1, 1); % 易感者数量 I = zeros(T+1, 1); % 感染者数量 R = zeros(T+1, 1); % 康复者数量 % 初始条件 S(1) = N - 1; % 初始易感者数量 I(1) = 1; % 初始感染者数量 % 控制变量 u = zeros(T, 1); % 控制变量,表示防控措施的强度 % 最优控制问题的目标函数 J = @(u) (S(T+1) + I(T+1) + R(T+1)) + 0.01 * sum(u.^2); % 系统动力学方程 dSdt = @(S, I, u) -beta * S * I / N + u; dIdt = @(S, I, u) beta * S * I / N - gamma * I; dRdt = @(I, u) gamma * I + u; % 求解最优控制问题 options = optimset('Display', 'iter'); u_opt = fmincon(J, u, [], [], [], [], zeros(T, 1), ones(T, 1), [], options); % 求解系统动力学方程 for t = 1:T S(t+1) = S(t) + dSdt(S(t), I(t), u_opt(t)); I(t+1) = I(t) + dIdt(S(t), I(t), u_opt(t)); R(t+1) = R(t) + dRdt(I(t), u_opt(t)); end % 绘制结果 t = 0:T; plot(t, S, 'b', t, I, 'r', t, R, 'g'); legend('易感者', '感染者', '康复者'); xlabel('时间'); ylabel('人数'); ``` 这段代码使用了最优控制理论中的动态规划方法,通过求解目标函数的最小值来确定最优的防控措施强度。在这个示例中,我们假设传染病的传染率为beta,恢复率为gamma,总人口数为N。代码中的目标函数J表示在给定时间周期内,使得最终易感者、感染者和康复者的总人数最小化。通过调用MATLAB的优化函数fmincon,可以求解出最优的控制变量u_opt。然后,根据系统动力学方程,使用欧拉方法进行数值求解,得到在不同时间点上的易感者、感染者和康复者的数量。最后,通过绘图展示了结果。

“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
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