Free DIY Tour

Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 65536/32768 K (Java/Others)
Total Submission(s): 2735    Accepted Submission(s): 889

【题目链接】http://acm.hdu.edu.cn/showproblem.php?pid=1224

【题目意思】题目是说给你一个有环的图,结点之间有路径,每个结点都有个兴趣值,现在给你起点,找一条路径再次回到起点,使经过的结点的兴趣值总和最大,问最大的总和是多少并且输出其路径

【解题思路】其实这题是找最长路径,因为只能从编号小的结点到达编号高的结点,所以其是有向图,所以可以将结点的兴趣值赋值到相连的边上,而转换为求最长路径的问题,因为人水,也是刚开始接触图论算法,一开始选择Dijkstra算法通过修改其中的小部分步骤去计算最长路径,提交一次WA了,后来找到了原因也就是每次当前找到的不一定是最长的路径,这点随便认真地想一下便清楚了,后来想到Bellman-Ford算法,其可以将所有的边考虑到,最终便可以计算出最长的路径,当然写代码的时候还是用回SPFA即对Bellman-Ford算法的一个优化。

为什么可以用Dellman-Ford算法而不可以用Dijsktra算法,因为Dijsktral用的是贪心的思想,每次在当前找到了最短的路径修改之后就不再考虑以后有没有更短的路径,这也是Dijsktra不能用在有负权边的原因,而Delman-Ford是到最后算法结束之后才能确定源点到当前点的最短距离,所以这也是为什么可以用在求最长路径上,而能用在求最长路径上的前提是其不能有环,而这题虽然说有环,但是好在题目说明终点的编号是(N+1)且该图是有向的。

 #include <cstdio>
#include <queue>
#include <cstring> using namespace std; const int NV = ;
const int NE = ;
const int INF = <<;
int ne, nv, tot, max_node;
bool vis[NV];
int dist[NV];
int pre[NV];
struct Edge{
int u, v, cost, next;
Edge(){}
Edge(int a, int c){u = a, cost = c;}
Edge(int a, int b, int c, int d){u = a, v = b, cost = c, next = d;}
bool operator < (const Edge& x) const
{
return cost < x.cost;
}
}edge[NE];
int eh[NV];
int wei[NV]; void SPFA(int s = )
{
for(int i = ; i <= nv; ++i) dist[i] = i == s ? : -INF;
queue<Edge> que;
que.push(Edge(s, ));
vis[s] = true;
while(!que.empty())
{
Edge tmp = que.front();
int u = tmp.u;
que.pop();
vis[u] = false;
for(int i = eh[u]; i != -; i = edge[i].next)
{
int v = edge[i].v;
if(dist[v] < edge[i].cost + dist[u])
{
dist[v] = edge[i].cost + dist[u];
pre[v] = u;
if(!vis[v])
{
que.push(Edge(v, dist[v]));
vis[v] = true;
} }
}
}
return;
} void addedge(int u, int v, int cost)
{
Edge e = Edge(u, v, cost, eh[u]);
edge[tot] = e;
eh[u] = tot++;
return;
} int main()
{
#ifndef ONLINE_JUDGE
freopen("input.txt", "r", stdin);
#endif
int T;
scanf("%d", &T);
for(int t = ; t <= T; ++t)
{
memset(vis, false, sizeof(vis));
memset(eh, -, sizeof(eh));
scanf("%d", &nv);
for(int i = ; i <= nv; ++i)
scanf("%d", &wei[i]);
wei[++nv] = wei[];
scanf("%d", &ne);
for(int i = , u, v; i < ne; ++i)
{
scanf("%d%d", &u, &v);
if(u > v) { u ^= v, v ^= u, u ^= v; }
addedge(u, v, wei[v]);
}
SPFA();
printf("CASE %d#\n", t);
printf("points : %d\n", dist[nv]);
printf("circuit : 1");
int cnt = ;
for(int j = pre[nv]; j != ; ++cnt, j = pre[j])
eh[cnt] = j;
for(int i = cnt-; i >= ; --i)
printf("->%d", eh[i]);
printf("->1\n");
if(t != T) printf("\n");
}
return ;
}

HDU ACM 1224 Free DIY Tour (SPFA)的更多相关文章

  1. HDU 1224 Free DIY Tour(spfa求最长路+路径输出)

    传送门: http://acm.hdu.edu.cn/showproblem.php?pid=1224 Free DIY Tour Time Limit: 2000/1000 MS (Java/Oth ...

  2. HDU1224-Free DIY Tour(SPFA+路径还原)

    Weiwei is a software engineer of ShiningSoft. He has just excellently fulfilled a software project w ...

  3. [自娱自乐] 4、超声波测距模块DIY笔记(四)——终结篇·基于C#上位机软件开发

    前言 上一节我们已经基本上把超声波硬件的发射和接收模块全部做好了,接下来我们着手开发一个软硬结合的基于C#的平面定位软件! 目录 一.整体思路 二.效果提前展示 2-1.软件部分展示 2-2.硬件部分 ...

  4. [自娱自乐] 3、超声波测距模块DIY笔记(三)

    前言 上一节我们已经研究了超声波接收模块并自己设计了一个超声波接收模块,在此基础上又尝试用单片机加反相器构成生成40KHz的超声波发射电路,可是发现采用这种设计的发射电路存在严重的发射功率太低问题,对 ...

  5. 模板C++ 03图论算法 1最短路之单源最短路(SPFA)

    3.1最短路之单源最短路(SPFA) 松弛:常听人说松弛,一直不懂,后来明白其实就是更新某点到源点最短距离. 邻接表:表示与一个点联通的所有路. 如果从一个点沿着某条路径出发,又回到了自己,而且所经过 ...

  6. HDU 1024 Max Sum Plus Plus (动态规划)

    HDU 1024 Max Sum Plus Plus (动态规划) Description Now I think you have got an AC in Ignatius.L's "M ...

  7. Tour(dp)

    Tour(dp) 给定平面上n(n<=1000)个点的坐标(按照x递增的顺序),各点x坐标不同,且均为正整数.请设计一条路线,从最左边的点出发,走到最右边的点后再返回,要求除了最左点和最右点之外 ...

  8. ACM常用算法及练习(1)

    ACM常用算法及练习 第一阶段:练经典常用算法,下面的每个算法给我打上十到二十遍,同时自己精简代码,因为太常用,所以要练到写时不用想,10-15分钟内打完,甚至关掉显示器都可以把程序打出来. 1.最短 ...

  9. HDU 1024 Max Sum Plus Plus(dp)

    题目链接:http://acm.hdu.edu.cn/showproblem.php?pid=1024 题目大意:有多组输入,每组一行整数,开头两个数字m,n,接着有n个数字.要求在这n个数字上,m块 ...

随机推荐

  1. Difference Between Session.run and Tensor.eval

    [Question]: TensorFlow has two ways to evaluate part of graph: Session.run on a list of variables an ...

  2. python中selenium操作下拉滚动条方法汇总

    UI自动化中经常会遇到元素识别不到,找不到的问题,原因有很多,比如不在iframe里,xpath或id写错了等等:但有一种是在当前显示的页面元素不可见,拖动下拉条后元素就出来了. 比如下面这样一个网页 ...

  3. Docker应用场景

    Docker的应用场景 Web 应用的自动化打包和发布. 自动化测试和持续集成.发布. 在服务型环境中部署和调整数据库或其他的后台应用. 从头编译或者扩展现有的OpenShift或Cloud Foun ...

  4. 2018.4.23-ml笔记(线性回归、梯度下降)

    线性回归:找到最合适的一条线来最好的拟合我们的数据点. hθ(x) = θixi=θTx    θ被称之为权重参数    θ0为拟合参数 对每个样本yi=θTxi + εi    误差ε是独立并且具有 ...

  5. 从零开始学 Web 之 移动Web(三)Zepto

    大家好,这里是「 从零开始学 Web 系列教程 」,并在下列地址同步更新...... github:https://github.com/Daotin/Web 微信公众号:Web前端之巅 博客园:ht ...

  6. 从零开始学 Web 之 ES6(一)ES5严格模式

    大家好,这里是「 从零开始学 Web 系列教程 」,并在下列地址同步更新...... github:https://github.com/Daotin/Web 微信公众号:Web前端之巅 博客园:ht ...

  7. (转)创建GitHub技术博客

    https://blog.csdn.net/renfufei/article/details/37725057

  8. 如何做自己的服务监控?spring boot 2.x服务监控揭秘

    Actuator是spring boot项目中非常强大一个功能,有助于对应用程序进行监视和管理,通过 restful api请求来监管.审计.收集应用的运行情况,针对微服务而言它是必不可少的一个环节. ...

  9. JavaScript防抖节流函数

    1.直接上码 <!DOCTYPE html> <html> <head> <meta charset="utf-8"> <ti ...

  10. ARM常用汇编指令列表 --- 转自百度文库