题解:洛谷 P8817 [CSP-S 2022] 假期计划

news2026/5/1 5:38:02
本文分享的必刷题目是从蓝桥云课、洛谷、AcWing等知名刷题平台精心挑选而来并结合各平台提供的算法标签和难度等级进行了系统分类。题目涵盖了从基础到进阶的多种算法和数据结构旨在为不同阶段的编程学习者提供一条清晰、平稳的学习提升路径。欢迎大家订阅我的专栏算法题解C与Python实现附上汇总贴算法竞赛备考冲刺必刷题C | 汇总【题目来源】洛谷P8817 [CSP-S 2022] 假期计划 - 洛谷【题目描述】小熊的地图上有n nn个点其中编号为1 11的是它的家、编号为2 , 3 , … , n 2, 3, \ldots, n2,3,…,n的都是景点。部分点对之间有双向直达的公交线路。如果点x xx与z 1 z_1z1​、z 1 z_1z1​与z 2 z_2z2​、……、z k − 1 z_{k - 1}zk−1​与z k z_kzk​、z k z_kzk​与y yy之间均有直达的线路那么我们称x xx与y yy之间的行程可转车k kk次通达特别地如果点x xx与y yy之间有直达的线路则称可转车0 00次通达。很快就要放假了小熊计划从家出发去4 44个不同的景点游玩完成5 55段行程后回家家→ \to→景点 A→ \to→景点 B→ \to→景点 C→ \to→景点 D→ \to→家且每段行程最多转车k kk次。转车时经过的点没有任何限制既可以是家、也可以是景点还可以重复经过相同的点。例如在景点 A→ \to→景点 B 的这段行程中转车时经过的点可以是家、也可以是景点 C还可以是景点 D→ \to→家这段行程转车时经过的点。假设每个景点都有一个分数请帮小熊规划一个行程使得小熊访问的四个不同景点的分数之和最大。【输入】第一行包含三个整数n , m , k n, m, kn,m,k分别表示地图上点的个数、双向直达的点对数量、每段行程最多的转车次数。第二行包含n − 1 n - 1n−1个正整数分别表示编号为2 , 3 , … , n 2, 3, \ldots, n2,3,…,n的景点的分数。接下来m mm行每行包含两个正整数x , y x, yx,y表示点x xx和y yy之间有道路直接相连保证1 ≤ x , y ≤ n 1 \le x, y \le n1≤x,y≤n且没有重边自环。【输出】输出一个正整数表示小熊经过的4 44个不同景点的分数之和的最大值。【输入样例】8 8 1 9 7 1 8 2 3 6 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 1【输出样例】27【解题思路】【算法标签】#提高# #图的遍历-BFS#【代码详解】#includebits/stdc.husingnamespacestd;#defineintlonglongconstintN2505;// 最大节点数typedefpairint,intPII;// 存储(权重, 节点编号)对vectorinte[N];// 邻接表存储图intw[N];// 存储每个节点的权重w[1]0其他节点有正权重intans;// 存储最终的最大四元组权重和intn,m,k;// n: 节点数, m: 边数, k: 最大中转次数限制intdist[N][N];// 存储任意两点间的最短距离setPIIst[N];// 对于每个节点i存储满足条件的节点集合按权重排序// 广度优先搜索计算从源点s到所有其他节点的最短距离voidbfs(ints){// 初始化距离数组for(inti1;in;i){dist[s][i]1e9;// 初始化为无穷大}dist[s][s]0;// 源点到自己的距离为0queueintq;q.push(s);// 源点入队while(!q.empty()){intuq.front();q.pop();// 遍历所有邻居节点for(autov:e[u]){// 如果通过u到v的距离更短则更新if(dist[s][v]dist[s][u]1){dist[s][v]dist[s][u]1;q.push(v);}}}}signedmain(){// 输入节点数、边数、最大中转次数kcinnmk;// 输入每个节点的权重从2到n节点1的权重为0for(inti2;in;i){cinw[i];}// 输入图的边for(inti1;im;i){intu,v;cinuv;e[u].push_back(v);e[v].push_back(u);}// 计算所有节点对之间的最短距离for(inti1;in;i){bfs(i);}// 构建每个节点的候选集合// 对于每个节点i收集满足以下条件的节点j// 1. j ! i// 2. 从i到j的距离 k1// 3. 从起点1到j的距离 k1for(inti2;in;i){for(intj2;jn;j){if(ji)// 跳过自身{continue;}// 检查距离限制条件if(dist[i][j]k1dist[1][j]k1){st[i].insert({w[j],j});// 按权重排序插入// 只保留权重最大的3个节点if(st[i].size()3){st[i].erase(st[i].begin());// 删除最小的元素}}}}// 枚举所有可能的(b,c)对for(intb2;bn;b){for(intc2;cn;c){if(b!cdist[b][c]k1)// 满足b和c之间的距离限制{// 枚举节点b的候选节点afor(auto[wa,a]:st[b]){if(a!c)// 确保a不等于c{// 枚举节点c的候选节点dfor(auto[wd,d]:st[c]){// 确保d不等于a,b,cif(d!bd!a){// 更新最大权重和ansmax(ans,w[b]w[c]wawd);}}}}}}}// 输出结果coutansendl;return0;}【运行结果】8 8 1 9 7 1 8 2 3 6 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 1 27

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/2553044.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…