[codeforces 1304D] Cow and Fields 不只是最短路

本文提供Codeforces Round #621 (Div.1+Div.2)中D题“Cow and Fields”的详细解题思路。通过SPFA算法计算最短路径,对关键点进行排序优化,实现高效求解最大最短路径。

Codeforces Round #621 (Div. 1 + Div. 2)

[codeforces 1304D] Cow and Fields   不只是最短路

总目录详见https://blog.csdn.net/mrcrack/article/details/103564004

在线测评地址https://codeforces.ml/contest/1307/problem/D

ProblemLangVerdictTimeMemory
D - Cow and Fields GNU C++11Accepted187 ms14700 KB

//思路同https://blog.csdn.net/qq_43563669/article/details/104426597
/*
第一步:首先因为是边权为1的图,我们可以想到一种比较暴力的做法
就是
d1[i] 表示从点1到点i的最短距离
dn[j]表示从点j到点n的最短距离
这样的话 可以用O(k^2) 暴力枚举 取d1[i]+dn[j]+1的最大值
显然复杂度是不可行的,所以下一步考虑优化
第二步:
我们假设取关键点为i和j 那么有两种走法
1->i->j->n 或者1->j->i->n
我们假设前者的走法的值更小 也就是 d1[i]+dn[j]+1<d1[j]+dn[i]+1
上式移项可得 d1[i]-dn[i]<d1[j]-dn[j]
这个式子什么意思呢?
就是说 对于i和j这两个关键点 我先走i再走j这样的走法的值更小 也就是满足1到n是最短路的条件
这样的话我们对于k个关键点 按照d1[i]-dn[i]升序排序
这样一来 就满足了怎么走都是最短路了
然后我们去维护前面的1到i的最大值 ma=max(ma,d1[a[i]])
这样的话最短路的最大值就是枚举j ans=max(ans,ma+dn[a[j]]+1)
注意最后记得跟原图的1的n的最短路进行比较
*/

#include <cstdio>
#include <cstring>
#include <algorithm>
#define maxn 200010
#define INF 200010
using namespace std;
int n,m,k,vis[maxn];
int head[maxn],tot,a[maxn],d1[maxn],dn[maxn],q[maxn*10];
struct node{
	int to,next;
}e[maxn*2];
int cmp(int i,int j){
	return d1[i]-dn[i]<d1[j]-dn[j];
}
int min(int a,int b){
	return a<b?a:b;
}
int max(int a,int b){
	return a>b?a:b;
}
void add_edge(int u,int v){
	tot++,e[tot].to=v,e[tot].next=head[u],head[u]=tot;
}
void init(){
	int i,u,v;
	scanf("%d%d%d",&n,&m,&k);
	for(i=1;i<=k;i++)scanf("%d",&a[i]);
	for(i=1;i<=m;i++){
		scanf("%d%d",&u,&v);
		add_edge(u,v),add_edge(v,u);
	}
}
void spfa(int *d,int x){
	int b,v,i,h,t,u;
	memset(vis,0,sizeof(vis));
	for(i=1;i<=n;i++)d[i]=INF;
	d[x]=0,h=t=1;
	q[t]=x,t++,vis[x]=1;//出处竟然错写成t=x,t++,vis[x]=1;,还查了会
	while(h<t){
		u=q[h];
		for(b=head[u];b;b=e[b].next){
			v=e[b].to;
			if(d[v]>d[u]+1){
				d[v]=d[u]+1;
				if(!vis[v])q[t]=v,t++,vis[v]=1;
			}
		}
		vis[u]=0,h++;
	}
}
void solve(){
	int mx=0,best=0,i;
	sort(a+1,a+1+k,cmp);
	mx=d1[a[1]];
	for(i=2;i<=k;i++){
		best=max(best,mx+dn[a[i]]+1);
		mx=max(mx,d1[a[i]]);
	}
	printf("%d\n",min(best,d1[n]));
}
int main(){
	init();
	spfa(d1,1),spfa(dn,n);
	solve();
}

//困难重重的算法如下,难以AC该题,留作纪念
//SPFA算法,记录最短路径上经过的点,计算每个经过的点离起始位置的距离。
//排序,计算差值,找出最小值
//那么两点间,能被缩短的距离就容易算出了。
//记录路径经过的点
//有一个难点要注意,所有的特殊地块都不在最短路径上,或者,只有一个特殊地块在最短路径上。

 

内容概要:本文围绕可变桨叶四旋翼无人机的规范控制与点对点运动模拟展开,重点研究优化推力分配策略在翻转动作中的应用与性能比较。通过Matlab代码实现,构建了四旋翼动力学模型,并设计了多种控制算法以实现精确的姿态调整与轨迹跟踪。研究对比了不同推力分配方案在执行高机动性翻转动作时的稳定性、能耗效率与响应速度,旨在提升无人机在复杂飞行任务中的动态性能与控制精度。该仿真研究为无人机飞控系统的设计与优化提供了理论依据和技术支持。; 适合人群:具备一定自动控制理论基础和Matlab编程能力,从事无人机控制、飞行器动力学或机器人系统研究的科研人员及研究生。; 使用场景及目标:① 实现四旋翼无人机在三维空间中的精确点对点运动控制;② 对比分析不同推力分配策略在执行翻转等高难度动作时的控制效果与能耗表现,优化飞行性能;③ 为无人机自主飞行、特技飞行及复杂环境下的机动控制提供算法验证平台。; 阅读建议:此资源以Matlab仿真为核心,建议读者结合相关控制理论知识,深入理解代码实现细节,重点关注动力学建模、控制律设计与推力分配模块。在学习过程中,应动手调试参数,复现文中翻转动作的仿真结果,并尝试拓展至其他复杂飞行任务,以加深对无人机控制机理的理解。
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