寒假刷题记录,第一天(重刷题目)

PTA甲级:

1003 Emergency

经典迪杰斯特拉算法

#include<iostream>
#include<cstring>using namespace std;const int N = 510 , INF = 0x3f3f3f3f;
int dist[N] , cnt[N] , g[N][N];
int helper[N] , way[N];
bool st[N];
int n , m , c1 , c2;int main()
{cin >> n >> m >> c1 >> c2;for(int i = 0;i < n;i ++)cin >> cnt[i];memset(dist , 0x3f , sizeof dist);memset(g , 0x3f , sizeof g);while(m --){int a , b , c;cin >> a >> b >> c;g[a][b] = g[b][a] = c;}dist[c1] = 0 , way[c1] = 1 , helper[c1] = cnt[c1];for(int i = 0;i < n;i ++){int t = -1;for(int j = 0;j < n;j ++)if(!st[j] && (t == -1 || dist[t] > dist[j]))t = j;st[t] = true;for(int j = 0;j < n;j ++){if(dist[j] > dist[t] + g[t][j]){dist[j] = dist[t] + g[t][j];way[j] = way[t];helper[j] = helper[t] + cnt[j];}else if(dist[j] == dist[t] + g[t][j]){way[j] += way[t];helper[j] = max(helper[t] + cnt[j] , helper[j]);}}}cout << way[c2] << " " << helper[c2] << endl;return 0;
}

1004 Counting Leaves

经典深度优先方法dfs

#include<iostream>
#include<vector>using namespace std;const int N = 200;
int n , m;
vector<int>v[N];
int cnt[N];
int dep = 1;void dfs(int x , int depth)
{dep = max(dep , depth);if(!v[x].size()) {cnt[depth] ++;return ;}for(auto i : v[x])dfs(i , depth + 1);
}int main()
{while(cin >> n){if(!n) break;cin >> m;for(int i = 0;i < m;i ++){int id;cin >> id;int k;cin >> k;while(k --){int id1;cin >> id1;v[id].push_back(id1);}}dfs(1 , 1);for(int i = 1;i <= dep;i ++)if(i == 1) cout << cnt[i];else cout << " " << cnt[i];cout << endl;}return 0;
}

天梯赛:

L2-001 紧急救援

同1003一样

L2-048 寻宝图

经典dfs

#include<iostream>
#include<vector>
#include<queue>using namespace std;const int N = 1e5 + 10;
int n , m;
int total , tre;
vector<int>nodes[N];
vector<bool>st[N];
int dx[4] = {0 , 0 , 1 , -1};
int dy[4] = {1 , -1 , 0 , 0};void dfs(int x , int y , bool &f)
{if(nodes[x][y] > 1) f = true;st[x][y] = true;for(int i = 0;i < 4;i ++){int tx = x + dx[i] , ty = y + dy[i];if(tx < 0 || tx >= n || ty < 0 || ty >= m) continue;if(st[tx][ty] || !nodes[tx][ty]) continue;dfs(tx , ty , f);}
}int main()
{cin >> n >> m;for(int i = 0;i < n;i ++){string s;cin >> s;for(int j = 0;j < m;j ++)nodes[i].push_back(s[j] - '0') , st[i].push_back(false);}for(int i = 0;i < n;i ++){for(int j = 0;j < m;j ++){if(nodes[i][j] && !st[i][j]) {bool f = false;dfs(i , j , f);if(f) tre ++;total ++;}}}cout << total << " " << tre << endl;return 0;
}

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/605067.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Triple Fault的捕获与处理

前面有文章说Triple Fault无法捕获&#xff0c;经过几天资料搜寻&#xff0c;对于这个问题还是有办法的。如果可以&#xff0c;对于捕获Triple Fault&#xff0c;最简便的方法就是使用虚拟机来进行操作&#xff0c;这样在发生Triple Fault时影响的只是虚拟机&#xff0c;在host…

优化Vue首页加载速度的实用方法

引言&#xff1a; Vue.js是一种流行的前端开发框架&#xff0c;但在实际应用中&#xff0c;有时会遇到Vue首页加载慢的问题。由于首页是用户首次接触到网站或应用的页面&#xff0c;加载速度对用户体验至关重要。本文将深入探讨如何优化Vue首页的加载速度&#xff0c;提供实用方…

Vue2和Vue3各自的优缺点以及区别对比

Vue2和Vue3各自的优缺点以及区别对比 Vue2的优点&#xff1a; 成熟稳定&#xff1a;Vue2是一个经过长时间发展和测试的成熟版本&#xff0c;广泛应用于各种项目中。 生态系统丰富&#xff1a;由于Vue2的流行程度&#xff0c;它的生态系统相对较为完善&#xff0c;有大量的插件…

【信息论与编码】习题-判断题-第三部分

目录 判断题48. 利用状态极限稳态分布概率和符号的状态一步转移概率来求m阶马尔可夫信源的极限熵。49. 连续信源或模拟信号的信源编码的理论基础是限失真信源编码定理 。50. 具有一一对应关系的无噪信道的信道容量CH(X)。51. 在游程编码过程中&#xff0c;“0”游程和“1”游程…

使用pytorch构建图卷积网络预测化学分子性质

在本文中&#xff0c;我们将通过化学的视角探索图卷积网络&#xff0c;我们将尝试将网络的特征与自然科学中的传统模型进行比较&#xff0c;并思考为什么它的工作效果要比传统的方法好。 图和图神经网络 化学或物理中的模型通常是一个连续函数&#xff0c;例如yf(x₁&#xff…

定展中2024上海国际智慧工地展览会

2024第十五届上海国际智慧工地展览会 2024 Shanghai International Smart Site Equipment Expo 时间&#xff1a;2024年03月26日-28日 地点&#xff1a;上海跨国采购会展中心 政策指导: 中华人民共和国国家发展和改革委员会 中华人民共和国工业和信息化部 上海城市数字转型应用…

企业级 npm 私有仓库部署方案

本文作者系360奇舞团前端开发工程师 淘宝 NPM 镜像站切换新域名时&#xff0c;放了一张知乎博主天猪的图片&#xff0c;如下&#xff1a; _图片来源&#xff1a;https://zhuanlan.zhihu.com/p/432578145 看着逐年增长的访问量&#xff0c;不禁让人感慨&#xff0c;npm 的出现&a…

python爬虫实现获取招聘信息

使用的python版本&#xff1a; 3.12.1 selenium版本&#xff1a;4.8.0 urllib版本&#xff1a;1.26.18 from selenium import webdriver from selenium.webdriver import ActionChains import timeimport re import xlwt import urllib.parsedef get_html(url):chrome_drive…

系列十三、查询数据库中某个库、表、索引等所占空间的大小

一、information_schema数据库 1.1、概述 information_schema数据库是MySQL出厂默认带的一个数据库&#xff0c;不管我们是在Linux中安装MySQL还是在Windows中安装MySQL&#xff0c;安装好后都会有一个数据库information_schema&#xff0c;这个库中存放了其他库的所有信息。 …

【数据结构】队列

简单不先于复杂&#xff0c;而是在复杂之后。 文章目录 1. 队列1.1 队列的概念及结构1.2 队列的实现 2.栈和队列面试题3.概念选择题 1. 队列 1.1 队列的概念及结构 队列&#xff1a;只允许在一端进行插入数据操作&#xff0c;在另一端进行删除数据操作的特殊线性表&#xff0c…

imgaug库指南(九):从入门到精通的【图像增强】之旅

引言 在深度学习和计算机视觉的世界里&#xff0c;数据是模型训练的基石&#xff0c;其质量与数量直接影响着模型的性能。然而&#xff0c;获取大量高质量的标注数据往往需要耗费大量的时间和资源。正因如此&#xff0c;数据增强技术应运而生&#xff0c;成为了解决这一问题的…

K8S Prometheus-rocketmq-exporter配置

下载rocketmq-exporter 通过Docker仓库下载 docker pull sawyerlan/rocketmq-exporter:latest 然后打标签&#xff0c;推送到自己的仓库 也可通过代码自己build镜像 git clone GitHub - apache/rocketmq-exporter: Apache RocketMQ Prometheus Exporter 然后打标签&#x…

MATLAB点云处理总目录

一、点云滤波 原始点云包含过多噪点和冗余点&#xff0c;滤波和采样往往是点云预处理的必要步骤 1.滤波 重复点去除 NAN或INF无效点去除 自定义半径滤波 2.采样 基于空间格网的点云抽稀 随机下采样 均匀体素下采样 非均匀体素下采样 二、邻近搜索 如何组织点云快速获取当前…

爬虫实战 - 微博评论数据可视化

简介&#xff1a; 我们都知道在数据比较少的情况下&#xff0c;我们是可以很轻易的获取到数据中的信息。但是当数据比较庞大的时候呢&#xff0c;我们就很难看出来了。尤其是面对现如今数以万计的数据&#xff0c;就更了。 不过好在我们可以通过计算机来帮我们进行分析&#…

深度学习 基本理论 3 :之物体检测(Anchor base/NMS/softmax/损失函数/BCE/CE/zip

1、 Anchor base和Anchor free 1.1 Anchor base Anchor base&#xff0c;译为基于锚点的一个物体检测方法&#xff0c;也可以叫做基于一组预定义的框模型会预测每个锚点是否存在对象&#xff0c;并预测需要对锚点进行的调整以更好地适应该对象Anchor base物体检测方法&#x…

2.4 DEVICE GLOBAL MEMORY AND DATA TRANSFER

在当前的CUDA系统中&#xff0c;设备通常是带有自己的动态随机存取存储器&#xff08;DRAM&#xff09;的硬件卡。例如&#xff0c;NVIDIA GTX1080具有高达8 GB的DRAM&#xff0c;称为全局内存。我们将互换使用全局内存和设备内存这两个术语。为了在设备上执行内核&#xff0c;…

西电期末1032.模式匹配

一.题目 二.分析与思路 遍历判断 三.代码实现 #include<bits/stdc.h>//万能头 int main() {int n;scanf("%d",&n);int num[n];for(int i0;i<n;i){scanf("%d",&num[i]);}int ans0;//个数for(int i0;i<n-2;i){if(num[i]3&&nu…

【Docker】数据卷容器

多个容器进行数据交换 这里引入一个数据卷容器的概念 以下介绍容器A与容器B进行数据交换的原理 假如容器A要与容器 B 进行数据交换&#xff0c; 首先创建一个容器C&#xff0c;将他挂载到数据卷&#xff0c;然后再将容器A与容器B挂载到容器C&#xff0c;这样做相当于容器A与…

【EAI 006】ChatGPT for Robotics:将 ChatGPT 应用于机器人任务的提示词工程研究

论文标题&#xff1a;ChatGPT for Robotics: Design Principles and Model Abilities 论文作者&#xff1a;Sai Vemprala, Rogerio Bonatti, Arthur Bucker, Ashish Kapoor 作者单位&#xff1a;Scaled Foundations, Microsoft Autonomous Systems and Robotics Research 论文原…

YOLOv5改进 | 注意力篇 | ACmix注意力与卷积混合的模型(轻量化注意力机制)

一、本文介绍 本文给大家带来的改进机制是ACmix自注意力机制的改进版本,它的核心思想是,传统卷积操作和自注意力模块的大部分计算都可以通过1x1的卷积来实现。ACmix首先使用1x1卷积对输入特征图进行投影,生成一组中间特征,然后根据不同的范式,即自注意力和卷积方式,分别…