Qin Shi Huang‘s National Road System(次小生成树变形)
发布日期:2021-06-30 10:23:28 浏览次数:2 分类:技术文章

本文共 1101 字,大约阅读时间需要 3 分钟。

最小化 A B \frac{A}{B} BA

先求一遍最小生成树,设权值为 m s t mst mst

现在枚举边 ( u , v ) (u,v) (u,v),权值为 w w w

如果魔法路在生成树上, ( p u + p v ) / ( m s t − w ) (p_u+p_v)/(mst-w) (pu+pv)/(mstw)

如果魔法路不在生成树上, ( p u + p v ) / ( m s t − m a x x ) (p_u+p_v)/(mst-maxx) (pu+pv)/(mstmaxx)

其中 m a x x maxx maxx是最小生成树上 u − > v u->v u>v的最大边权

#include 
using namespace std;const int maxn=1e6+10;int n,pre[maxn],top,r[maxn],ok[maxn];int fa[1009][20],deep[maxn];double maxx[1009][20];int find(int x){
return x==pre[x]?x:pre[x]=find(pre[x]);}struct p{
int l,r;double w; bool operator < (const p&tmp ) const{
return w
=0;i--) if( deep[fa[x][i]]>=deep[y] ) {
ans = max( ans,maxx[x][i] ); x = fa[x][i]; } if( x== y) return ans; for(int i=16;i>=0;i-- ) if( fa[x][i]!=fa[y][i] ) {
ans = max( ans, max( maxx[x][i],maxx[y][i] )); x=fa[x][i],y=fa[y][i]; } ans = max( ans,max(maxx[x][0],maxx[y][0] )); return ans; }double x[maxn],y[maxn];int main(){
int t; cin >> t; while( t-- ) {
top=0; cin >> n; for(int i=1;i<=n;i++) cin >> x[i] >> y[i] >> r[i]; for(int i=1;i<=n;i++) for(int j=1;j

转载地址:https://issue-is-vegetable.blog.csdn.net/article/details/109387541 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!

上一篇:D. Jon and Orbs(很笨的概率dp)
下一篇:The Unique MST POJ - 1679(判断唯一最小生成树)

发表评论

最新留言

感谢大佬
[***.8.128.20]2024年04月15日 18时05分08秒

关于作者

    喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!

推荐文章

Oracle 作业记录 2019-04-30
putty连接AWS配置(multimedia project) 2019-04-30
Hourglass Network 沙漏网络 (pose estimation姿态估计) 2019-04-30
OpenCV实战(二)——答题卡识别判卷 2019-04-30
目标检测神经网络的发展历程(52 个目标检测模型) 2019-04-30
Boundary loss 损失函数 2019-04-30
神经网络调参实战(一)—— 训练更多次数 & tensorboard & finetune 2019-04-30
tensorflow使用tensorboard进行可视化 2019-04-30
神经网络调参实战(二)—— activation & initializer & optimizer 2019-04-30
凸优化 convex optimization 2019-04-30
数据库索引 & 为什么要对数据库建立索引 / 数据库建立索引为什么会加快查询速度 2019-04-30
IEEE与APA引用格式 2019-04-30
research gap 2019-04-30
pytorch训练cifar10数据集查看各个种类图片的准确率 2019-04-30
Python鼠标点击图片,获取点击点的像素坐标 2019-04-30
路径规划(一) —— 环境描述(Grid Map & Feature Map) & 全局路径规划(最优路径规划(Dijkstra&A*star) & 概率路径规划(PRM&RRT)) 2019-04-30
神经网络调参实战(四)—— 加深网络层次 & 批归一化 batch normalization 2019-04-30
数据挖掘与数据分析(三)—— 探索性数据分析EDA(多因子与复合分析) & 可视化(1)—— 假设检验(μ&卡方检验&方差检验(F检验))&相关系数(皮尔逊&斯皮尔曼) 2019-04-30
RRT算法(快速拓展随机树)的Python实现 2019-04-30
路径规划(二) —— 轨迹优化(样条法) & 局部规划(人工势能场法) & 智能路径规划(生物启发(蚁群&RVO) & 强化学习) 2019-04-30