牛站(贪心+暴力做法)

题目

题目

做法

目前看下来貌似我的做法的复杂度是比较优秀,是 O ( n 3 ) O(n^3) O(n3)

当然, n = 101 n=101 n=101,首先,点的个数最多是边的个数加一,这个很好理解。

我们开始思考,走这么多边,肯定是要走环的,对吧,那么有一个假想,如果他就是在一条最短路上的最小边反复横跳呢?

我们用“表面否的算法”(Bellman - Ford算法)处理起点和终点到达各个点在走过 k k k条边时的最短路,当然 k k k最大为多少呢?,我们假定这条路径就在这里反复横跳,不存在其余的环,那么 k k k最大就为点的个数,但是,其实是有可能存在其他环的,因为我们这样来回弹跳,只会造成偶数环,那么如果刚好找个奇数环走一遍,然后改变所需要的边数能让答案更小呢,所以 k k k要是最大点数的两倍。当然,至于两个环或者一个偶数环的存在,你都可以把环去掉改成左右横跳,权值更小,但是由于我们很难知道这个边是不是路径上最小的边,所以我们需要假定他是,然后枚举所有的边就行了。

#include<cstdio>
#include<cstring>
#define  N  110
#define  NN  1100
#define  M  210
using  namespace  std;
template<class  T>
inline  T  mymin(T  x,T  y){return  x<y?x:y;}
class  EDGE
{
	public:
		struct  node
		{
			int  y,c,next;
		}a[M];int  len,last[NN];
		void  ins(int  x,int  y,int  c)
		{
			len++;a[len].y=y;a[len].c=c;a[len].next=last[x];last[x]=len;
		}
}a1,a2;
struct  FUCKKK
{
	int  x,y,c;
}fuck[N];
int  f1[M][N],f2[M][N];int  n,m,st,ed;bool  v[N];
int  be[NN],cnt,sta[N];
void  dfs(int  x)
{
	for(int  k=a1.last[x];k;k=a1.a[k].next)
	{
		int  y=a1.a[k].y;
		if(!be[y])
		{
			be[y]=++cnt;sta[cnt]=y;
			dfs(y);
		}
		a2.ins(be[x],be[y],a1.a[k].c);
	}
}
int  main()
{
	scanf("%d%d%d%d",&n,&m,&st,&ed);
	for(int  i=1;i<=m;i++)
	{
		int  c,x,y;scanf("%d%d%d",&c,&x,&y);
		a1.ins(x,y,c);a1.ins(y,x,c);
		fuck[i].x=x;fuck[i].y=y;fuck[i].c=c;
	}
	sta[cnt=1]=st;be[st]=1;
	dfs(st);
	//处理和st,ed相通的点的个数
	memset(f1,30,sizeof(f1));
	memset(f2,30,sizeof(f2));
	f1[0][1]=f2[0][be[ed]]=0;
	int  limit=a2.len;
	for(int  i=0;i<limit;i++)
	{
		for(int  j=1;j<=cnt;j++)
		{
			for(int  k=a2.last[j];k;k=a2.a[k].next)
			{
				int  y=a2.a[k].y;
				f1[i+1][y]=mymin(f1[i+1][y],f1[i][j]+a2.a[k].c);
				f2[i+1][y]=mymin(f2[i+1][y],f2[i][j]+a2.a[k].c);
			}
		}
	}
	//Bellman - Ford
	int  ans=999999999;
	for(int  i=1;i<=m;i++)
	{
		if(!be[fuck[i].x])continue;
		int  x=be[fuck[i].x],y=be[fuck[i].y];
		int  ed1=mymin(limit,n);
		for(int  j=0;j<=ed1;j++)
		{
			int  ed2=mymin(limit,n-j);
			for(int  k=0;k<=ed2;k++)
			{
				if((n-j-k)&1)
				{
					int  shit=(int)(n-j-k)*fuck[i].c;
					ans=mymin(mymin(f1[j][x]+f2[k][y],f1[j][y]+f2[k][x])+shit,ans);
				}
				else
				{
					int  shit=(int)(n-j-k)*fuck[i].c;
					ans=mymin(mymin(f1[j][x]+f2[k][x],f1[j][y]+f2[k][y])+shit,ans);
				}
			}
		}
	}
	printf("%d\n",ans);
	return 0;
}

当然,常数稍稍大了点,但是无所谓啦。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
贪心算法和动态规划都是常用于解决问题的算法思想。贪心算法是一种在每一步都做出局部最优决策的算法,而不考虑全局的状态。贪心算法通常具有较低的时间复杂度,因为它不需要回溯所有子问题的解。相比之下,动态规划需要回溯所有子问题的解,因此时间复杂度较高。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [ES6的JavaScript算法思想实现之分而治之,动态规划,贪心算法和回溯算法 贪心算法和动态规划.pdf](https://download.csdn.net/download/qq_40464803/85095551)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [动态规划与贪心算法的区别](https://blog.csdn.net/m0_57236802/article/details/129539553)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [js贪心算法](https://blog.csdn.net/qq_48315043/article/details/121678537)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]

“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