给一个无向图,求出两个值,所有点到所有其他点的最短距离和,任意删除一条边后的这个值。

数据规模是100点1000边。

白书例题,不多说了直接对于每个点求出最短路树,对于每条边,如果它不是最短路树上的边,那么我们不需要对它进行最短路计算了,由于点数只有100,那么树上的边只有n-1,所以我们对于以每个点为源点的树,只需要重新计算n-1次最短路即可,每次计算复杂度为n*m,最终复杂度就是n*n*m*log()。个人觉得有点高,不过实际跑起来还是很快的。

注意有重边,要多加判断了。

召唤代码君:

#include <iostream>
#include <cstdio>
#include <cstring>
#include <queue>
#define maxn 2222
typedef long long ll;
using namespace std; struct heapnode{
ll D,U;
bool operator < (heapnode ND) const {
return D>ND.D;
}
};
ll inf=~0U>>;
ll to[maxn],c[maxn],next[maxn],first[maxn],edge;
ll u[maxn],v[maxn],w[maxn],minlen[maxn][maxn],tim[maxn][maxn];
ll dis[maxn],from[maxn],C[maxn],f[maxn][maxn];
bool key[maxn],akey[maxn],done[maxn];
ll n,m,L,ans,sum; void _init()
{
edge=-,sum=ans=;
for (int i=; i<=n; i++)
{
first[i]=-,C[i]=;
for (int j=; j<=n; j++) minlen[i][j]=inf;
for (int j=; j<=m; j++) f[i][j]=;
}
} void addedge(int U,int V,int W)
{
edge++;
to[edge]=V,c[edge]=W,next[edge]=first[U],first[U]=edge;
edge++;
to[edge]=U,c[edge]=W,next[edge]=first[V],first[V]=edge;
} ll dijkstra(int S,int EG,ll Dis[],ll From[],bool Key[])
{
priority_queue<heapnode> Q;
for (int i=; i<=n || i<=m; i++)
{
if (i<=n) Dis[i]=inf,From[i]=-,done[i]=false;
if (i<=m) Key[i]=false;
}
Dis[S]=;
Q.push((heapnode){,S});
while (!Q.empty())
{
heapnode ND=Q.top();
Q.pop();
int cur=ND.U;
if (done[cur]) continue;
else done[cur]=true;
if (From[cur]!=-) Key[From[cur]/+]=true;
for (int i=first[cur]; i!=-; i=next[i])
if (i!=EG+EG- && i!=EG+EG- && Dis[cur]+c[i]<Dis[to[i]])
{
Dis[to[i]]=Dis[cur]+c[i];
From[to[i]]=i;
Q.push((heapnode){Dis[to[i]],to[i]});
}
}
ll tot=;
for (int i=; i<=n; i++)
if (Dis[i]!=inf) tot+=Dis[i];
else tot+=L;
return tot;
} int main()
{
inf*=inf;
while (scanf("%lld%lld%lld",&n,&m,&L)!=EOF)
{
_init();
for (int i=; i<=m; i++)
{
scanf("%lld%lld%lld",&u[i],&v[i],&w[i]);
addedge(u[i],v[i],w[i]);
if (w[i]<minlen[u[i]][v[i]]) minlen[u[i]][v[i]]=minlen[v[i]][u[i]]=w[i],tim[u[i]][v[i]]=tim[v[i]][u[i]]=;
else if (w[i]==minlen[u[i]][v[i]]) tim[u[i]][v[i]]++,tim[v[i]][u[i]]++;
}
for (int i=; i<=n; i++)
{
C[i]=dijkstra(i,m+,dis,from,key);
ans+=C[i];
for (int j=; j<=m; j++)
if (!key[j] || tim[u[j]][v[j]]> || minlen[u[j]][v[j]]!=w[j]) f[i][j]=C[i];
else f[i][j]=dijkstra(i,j,dis,from,akey);
}
for (int i=; i<=m; i++)
{
ll tmp=;
for (ll j=; j<=n; j++) tmp+=f[j][i];
sum=max(sum,tmp);
}
printf("%lld %lld\n",ans,sum);
}
return ;
}

UVAlive4080_Warfare And Logistics的更多相关文章

  1. .VDI manual Technical Logistics - Volume 2: Industrial Trucks

    VDI manual Technical Logistics - Volume 2: Industrial Trucks Name Publication date: State VDI 2196 B ...

  2. UVA1416 Warfare And Logistics

    UVA1416 Warfare And Logistics 链接:http://acm.hust.edu.cn/vjudge/problem/viewProblem.action?id=36232 [ ...

  3. 笔记+R︱Logistics建模简述(logit值、sigmoid函数)

    本笔记源于CDA-DSC课程,由常国珍老师主讲.该训练营第一期为风控主题,培训内容十分紧凑,非常好,推荐:CDA数据科学家训练营 ---------------------------------- ...

  4. logistics回归理解

    多元回归方程:假设有一个因变量y和一组自变量x1, x2, x3, ... , xn,其中y为连续变量,我们可以拟合一个线性方程: y =β0 +β1*x1 +β2*x2 +β3*x3 +...+βn ...

  5. logistics回归简单应用(二)

    警告:本文为小白入门学习笔记 网上下载的数据集链接:https://pan.baidu.com/s/1NwSXJOCzgihPFZfw3NfnfA 密码: jmwz 不知道这个数据集干什么用的,根据直 ...

  6. logistics回归简单应用——梯度下降,梯度上升,牛顿算法(一)

    警告:本文为小白入门学习笔记 由于之前写过详细的过程,所以接下来就简单描述,主要写实现中遇到的问题. 数据集是关于80人两门成绩来区分能否入学: 数据集: http://openclassroom.s ...

  7. python3二元Logistics Regression 回归分析(LogisticRegression)

    纲要 boss说增加项目平台分析方法: T检验(独立样本T检验).线性回归.二元Logistics回归.因子分析.可靠性分析 根本不懂,一脸懵逼状态,分析部确实有人才,反正我是一脸懵 首先解释什么是二 ...

  8. 机器学习算法的Python实现 (1):logistics回归 与 线性判别分析(LDA)

    先收藏............ 本文为笔者在学习周志华老师的机器学习教材后,写的课后习题的的编程题.之前放在答案的博文中,现在重新进行整理,将需要实现代码的部分单独拿出来,慢慢积累.希望能写一个机器学 ...

  9. 1.2、Logistics Regression算法实践

     1.1.Logistics Regression算法实践 有了上篇博客的理论准备后,接下来,我们用以及完成的函数,构建Logistics Regression分类器.我们利用线性可分的数据作为训练样 ...

随机推荐

  1. 【轮子狂魔】抛弃IIS,向天借个HttpListener - 基础篇(附带源码)

    这一次我们要玩什么? 先声明一下,由于这篇是基础篇主要是通过这篇文章让大家对使用HttpListener响应Http请求有个大概了解,所以正式的花样轮子在下一篇推出,敬请期待 ^_^ 嗯哼,还有,我标 ...

  2. 设置JFrame背景图片

    这里我就放上改写的代码吧,不做多的解释,推荐一个好的博文 https://blog.csdn.net/jdsjlzx/article/details/16831815 public void ini_ ...

  3. 初识IT行业,人生苦短,我学python

    第一次写,我也不知道该怎么写.只有慢慢的去体会大神们的见解与看法. Python是一个较强的脚本语言,而Java是强类型的编程语言.为了更好的入门,我没有去选择强类型语言的Java,而选择使用Pyth ...

  4. TensorFlow Python3.7环境下的源码编译(二)安装配置

    源代码树的根目录中包含了一个名为 configure 的 bash 脚本. $ ./configure 接下来,配置系统会给出各种询问,以确认编译时的配置参数.   一.重要参数解释 Please s ...

  5. 如何布局您的PC站和移动站,并表达两者之间内容的对应关系

      如何布局您的PC站和移动站,并表达两者之间内容的对应关系 目前较流量的PC站与移动站配置方式有三种,百度站在搜索引擎角度将这三种分别称为跳转适配.代码适配和自适应,以下为这三种配置方式的名词解释及 ...

  6. python3实现合并两个有序数组

    很早就听同学和师兄经常说刷题很重要,然而编程能力一直都很渣的我最近才开始从leetcode的初级算法开始.今天遇到的这道题虽然很简单,因为是头一次用自己的方法速度还不错,特此记录一下,还大神们请不要嘲 ...

  7. python编辑选课系统

    一.需求分析 1. 创建北京.上海 2 所学校 2. 创建linux , python , go 3个课程 , linux\py 在北京开, go 在上海开 3. 课程包含,周期,价格,通过学校创建课 ...

  8. 单一docker主机网络

    一. 容器网络模型: Docker定义了一个非常简单的网络模型,叫做container network model(CNM).如下图所示:

  9. Linux 文件搜索命令:find、which、whereis 和 locate

    Linux 提供了许多用于文件搜索的命令,这些命令都很强大,但是也有一些不同之处,这里分别介绍一下. 一.find 命令 find 是最常见和最强大的一个文件搜索命令.使用 find 命令可以在指定目 ...

  10. DockerCon2017前瞻 - Docker企业版体验

    DockerCon 2017将于四月17号在美国Austin召开.在去年DockerCon上,Docker公司一系列的发布吹响了进军企业市场的号角.今天,容器技术已经愈发成熟,被越来越多的企业所关注和 ...