PAT天梯赛L2-2病毒溯源题解:用邻接表和DFS找最长变异链(附C++代码避坑点)

news2026/4/27 14:54:21
PAT天梯赛L2-2病毒溯源邻接表与DFS实战解析病毒变异问题在算法竞赛中经常以树形结构或图论形式出现。这道L2-2题目要求我们找出最长的变异链本质上是在寻找树中的最长路径。与常规DFS应用不同本题还需要处理路径排序和回溯等细节这正是许多参赛者容易失分的地方。1. 问题分析与数据结构选择题目描述了一个病毒变异的有向无环图DAG其中每个节点最多有一个父节点这实际上构成了一棵树。我们需要找到从根节点到叶节点的最长路径当存在多条相同长度的路径时选择字典序最小的那条。邻接表的优势空间效率高仅存储存在的边遍历子节点方便时间复杂度O(1)适合处理稀疏图本题中每个节点的子节点数量有限vectorint v[maxn]; // 邻接表存储关键点在于如何高效表示这种变异关系。使用邻接表而非邻接矩阵可以节省大量空间从O(N²)降到O(N)这对N≤10⁴的规模至关重要。2. 解题框架与核心算法2.1 寻找根节点病毒源头是没有父节点的那个唯一节点。我们可以通过标记法快速定位int t[maxn] {0}; // 初始化所有节点为无父节点 // 输入处理时标记子节点 for(int i0; in; i){ while(k--){ cin x; v[i].push_back(x); t[x] 1; // x有父节点 } } // 寻找根节点 int root -1; for(int i0; in; i){ if(!t[i]){ root i; break; } }2.2 DFS实现与回溯机制深度优先搜索是解决树形结构问题的利器。本题需要特别注意两点维护当前路径及时回溯避免路径污染vectorint temp; // 存储最终最长路径 vectorint p; // 存储当前路径 void Dfs(int index, vectorint p){ if(p.size() temp.size()){ temp p; // 找到更长路径更新结果 } for(int i0; iv[index].size(); i){ p.push_back(v[index][i]); // 选择当前子节点 Dfs(v[index][i], p); // 递归探索 p.pop_back(); // 回溯移除当前子节点 } }注意传递路径vector时务必使用引用()否则会因频繁拷贝导致内存问题和性能下降。3. 关键优化与避坑指南3.1 字典序处理技巧题目要求当存在多条最长路径时输出字典序最小的那条。这需要在搜索前对子节点进行排序for(int i0; in; i){ if(v[i].size()){ sort(v[i].begin(), v[i].end()); // 子节点按编号升序排列 } }这样DFS会优先探索编号较小的子节点当找到第一条最长路径时自然就是字典序最小的解。3.2 常见错误与调试技巧忘记回溯这是DFS中最常见的错误会导致路径包含错误节点根节点判断错误确保正确识别唯一的无父节点内存问题避免vector的频繁拷贝使用引用传递边界条件考虑N1或链状结构等特殊情况调试时可以打印中间结果// 调试用打印邻接表 for(int i0; in; i){ cout i : ; for(auto x : v[i]) cout x ; cout endl; }4. 完整代码实现与性能分析将上述思路整合我们得到完整解决方案#include bits/stdc.h using namespace std; const int maxn 10001; vectorint v[maxn]; vectorint temp; int t[maxn] {0}; void Dfs(int index, vectorint p){ if(p.size() temp.size()){ temp p; } for(int i0; iv[index].size(); i){ p.push_back(v[index][i]); Dfs(v[index][i], p); p.pop_back(); } } int main(){ int n, k, x; cin n; // 构建邻接表并标记子节点 for(int i0; in; i){ cin k; while(k--){ cin x; v[i].push_back(x); t[x] 1; } if(v[i].size()){ sort(v[i].begin(), v[i].end()); } } // 寻找根节点 int root -1; for(int i0; in; i){ if(!t[i]){ root i; break; } } // DFS搜索 vectorint p; p.push_back(root); Dfs(root, p); // 输出结果 cout temp.size() endl; for(int i0; itemp.size(); i){ if(i) cout ; cout temp[i]; } return 0; }时间复杂度分析邻接表构建O(N E)E为总边数子节点排序最坏情况下O(NlogN)DFS遍历O(N)总体复杂度在题目约束下是可接受的5. 同类问题扩展与实战应用这种基于邻接表和DFS的解法可以推广到多种树形和图论问题二叉树最长路径无需处理多子节点情况家族关系图谱查找最远的亲属关系依赖解析如软件包依赖的最长安装顺序组织结构分析公司汇报链的最长路径在实际比赛中建议将这种DFS模板抽象出来根据具体问题调整路径记录和比较逻辑。例如可以修改为// 通用DFS框架 void dfs_template(int node, vectorint path, vectorint result){ // 终止条件判断 if(/*满足条件*/){ // 更新结果 return; } for(auto child : children[node]){ path.push_back(child); dfs_template(child, path, result); path.pop_back(); // 回溯 } }掌握这种模式后可以快速解决PAT、蓝桥杯等竞赛中的类似题目。在最近的几场比赛中这种题型出现的频率相当高建议重点练习。

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.coloradmin.cn/o/2527403.html

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,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…