第六周 A - 氪金带东

本文探讨了一种解决树状网络中寻找从任一节点到其他节点最大路径长度的算法。利用两次深度优先搜索(DFS),首先找到树的直径端点,然后计算每个节点到这两个端点的距离,从而确定每个节点的最大路径长度。

A - 氪金带东

题目描述

实验室里原先有一台电脑(编号为1),最近氪金带师咕咕东又为实验室购置了N-1台电脑,编号为2到N。每台电脑都用网线连接到一台先前安装的电脑上。但是咕咕东担心网速太慢,他希望知道第i台电脑到其他电脑的最大网线长度,但是可怜的咕咕东在不久前刚刚遭受了宇宙射线的降智打击,请你帮帮他。
在这里插入图片描述
提示: 样例输入对应这个图,从这个图中你可以看出,距离1号电脑最远的电脑是4号电脑,他们之间的距离是3。 4号电脑与5号电脑都是距离2号电脑最远的点,故其答案是2。5号电脑距离3号电脑最远,故对于3号电脑来说它的答案是3。同样的我们可以计算出4号电脑和5号电脑的答案是4.
Input
输入文件包含多组测试数据。对于每组测试数据,第一行一个整数N (N<=10000),接下来有N-1行,每一行两个数,对于第i行的两个数,它们表示与i号电脑连接的电脑编号以及它们之间网线的长度。网线的总长度不会超过10^9,每个数之间用一个空格隔开。
Output
对于每组测试数据输出N行,第i行表示i号电脑的答案 (1<=i<=N).
Sample Input
5
1 1
2 1
3 1
1 1
Sample Output
3
2
3
4
4

解题思路

一台电脑看成一个点,所有电脑看成一棵树,而每棵树有两个直径端点。本题意为求每个点至另一个点的最大距离,即每个点至两个端点距离中的较大距离。使用链式前向星方式储存树,并从任意起点开始进行dfs搜索距离最远的点,则此次dfs的搜索结果必为端点之一;再dfs此端点,搜索结果为另一端点,在沿途记录下至个点的代价,则通过此次dfs获得所有点至该端点的距离。第三次dfs另一端点,记录下至各点的代价,获得该端点至所有点的距离。每个点将至两端点的距离取最大值,即为题目答案。复杂度为O(n)。

代码

#include <iostream>
#include <cstring>
#include <cmath>
#define llint long long int
#define maxn 100100
using namespace std;
int head[maxn],tot,N,dia_v;
llint ans,dis[maxn],maxd,d2[maxn];
bool vis[maxn];
llint max(llint a,llint b) {
	if(a>=b) return a;
	else return b;
}
struct edge {
	int u,v,nxt;
	llint w;
}Edges[maxn];

void init(int n) {
	tot=0,maxd=0,dia_v=0,ans=0;
	for(int i=1;i<=n;i++) head[i]=-1;
	memset(vis,0,sizeof vis);
	memset(dis,0,sizeof dis);
}

void addEdge(int u,int v,llint w) {
	Edges[tot].u=u;
	Edges[tot].v=v;
	Edges[tot].w=w;
	Edges[tot].nxt=head[u];
	head[u]=tot;
	tot++;
}

void dfs(int u) {
	vis[u]=true;
	for(int i=head[u];i!=-1;i=Edges[i].nxt) {
		if(vis[Edges[i].v]==false) {
			vis[Edges[i].v]=true;
			dis[Edges[i].v]=dis[u]+Edges[i].w;
			if(dis[Edges[i].v]>=maxd) { //找端点 
				maxd=dis[Edges[i].v];
				dia_v=Edges[i].v;
			}
			dfs(Edges[i].v);
		}
	}
	return;
}

int main() {
	while(~scanf("%d",&N)) {
		init(N);
		for(int i=2;i<=N;i++) {
			int v_;
			llint w_;
			scanf("%d%d",&v_,&w_);
			addEdge(i,v_,w_);
			addEdge(v_,i,w_);
		}
		dfs(1);
		memset(dis,0,sizeof(dis));
    	memset(vis,0,sizeof(vis));
    	dfs(dia_v);
    	for(int i=1;i<=N;i++) d2[i] = dis[i];
		memset(dis,0,sizeof(dis));
    	memset(vis,0,sizeof(vis));
    	dfs(dia_v);
    	for(int i=1;i<=N;i++) printf("%lld\n",max(dis[i],d2[i]));
	}
	return 0;
}
 
内容概要:本文介绍了一项创新性未发表的研究,即利用多元宇宙优化算法(Multiverse Optimizer, MVO)对分时电价下的需求响应与综合能源系统调度问题进行建模与求解,旨在实现能源系统的经济性、高效性与可持续性运行。该研究构建了包含多种能源设备(如光伏、风机、燃气轮机、储能系统等)及可调节负荷的综合能源系统模型,充分考虑了用户侧的需求响应行为在分时电价机制下的响应特性,通过MVO算法对系统运行成本、能源利用率、碳排放等多目标进行协同优化,实现了日前调度计划的智能决策。研究还提供了完整的MATLAB代码实现,便于研究人员复现实验、验证算法性能,并为进一步研究提供可靠的仿真基础。; 适合人群:具备一定电力系统、优化算法及MATLAB编程基础的科研人员、研究生以及从事能源互联网、综合能源系统规划与运行的技术工程师。; 使用场景及目标:① 学习并掌握多元宇宙优化算法在复杂能源系统调度中的具体应用方法;② 研究分时电价机制如何通过需求响应引导用户参与电网互动,实现削峰填谷;③ 实现综合能源系统(IES)中冷、热、电、气等多种能源的协同优化调度,以降低运行成本、提高新能源消纳能力和系统可靠性;④ 为相关领域的学术研究提供可复现的代码实例和仿真平台。; 阅读建议:此资源以MATLAB代码为核心载体,深入剖析了算法应用与系统建模的全过程。建议读者在学习时,不仅应关注代码的实现细节,更要理解其背后的数学模型、优化目标设定和约束条件的物理意义。建议结合文档中的模型描述,逐步调试代码,观察不同参数和场景下的优化结果,从而深刻掌握综合能源系统优化调度的设计思想与关键技术。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值