CF1801D

embedded/2025/2/24 5:42:23/

CF1801D
题目大意: n n n 个顶点, m m m 条边的图。你一开始在起点 1,拥有 P P P 枚硬币,通过每条 ( i , j ) (i,j) (i,j) 边都需要花费一定的硬币 s ( i , j ) s(i,j) s(i,j)。但你在每个城市 i i i 都可以打工赚硬币 w i w_i wi(可以多次打工)。请问从 1 到 n n n 的最少打工次数是多少次?

会有一个贪心的想法:去赚钱最多的城市打最少的工,然后一次性去到终点。但很快就能否决掉,在去赚硬币最多的城市的过程中可能要打很多次工。所以,只在一个城市打工的念头要彻底消除。而去哪打工?打多少次工最好?这是我们需要平衡的地方。因此,这应该是一个动态规划。

方法 1:

使用动态规划分析该问题,设最少打工次数的方案为: { 1 , a 1 , a 2 , . . . , a k , n } \{1,a_1,a_2,...,a_k,n\} {1,a1,a2,...,ak,n}
a k = i a_k=i ak=i i i i n n n 的邻接点):方案变为 { 1 , a 1 , a 2 , . . . , a k − 1 , i , n } \{1,a_1,a_2,...,a_{k-1},i,n\} {1,a1,a2,...,ak1,i,n}
方案的属性:

  1. 打工次数。原方案的打工次数 = 子方案 { 1 , a 1 , a 2 , . . . , a k − 1 , i } \{1,a_1,a_2,...,a_{k-1},i\} {1,a1,a2,...,ak1,i} 的打工次数 + i i i n n n 的打工次数。由于,原方案要求打工次数最少。因此,子方案的打工次数也应该越少越好。
  2. 硬币数量。原方案的剩余的硬币数量 = 子方案 { 1 , a 1 , a 2 , . . . , a k − 1 , i } \{1,a_1,a_2,...,a_{k-1},i\} {1,a1,a2,...,ak1,i} 剩余的硬币数量 + i i i n n n 的打工次数 * w i w_i wi - s ( i , n ) s(i,n) s(i,n)。由于,并不知道原方案剩余多少硬币、 i i i n n n 的打工次数打了多少次工,导致我们无法知道子方案剩余的硬币数量。
  3. 目的地。子方案目的地变为了 i i i

根据上述原因,我们的想法是:第一,需要给原问题多一维 剩余硬币 的状态。第二,在方案分析中,添加对打工次数的分类讨论。但是,由于剩余硬币可能是 0 ~ 1 0 9 10^9 109,不可能作为状态使用。对打工次数的分类讨论也无法实现,最多打多少次工呢?即使知道了,时间复杂度也无法通过题目。

此处就是题目较难的思维点:方案中,打工的地方,越往后打工的单价只会越来越高。因为,如果你后面打工的单价低,那还不如在前面先打好工呢。根据此,我们可得到,每一次向后走,用前面打工钱数最高的单价去打工,并且只需要尽量的能到达下一个地点即可。因此,打工次数无需枚举,是固定的。

  • i i i n n n 的打工次数为:( s ( i , n ) s(i,n) s(i,n) - 子方案剩余的硬币数量) / max ⁡ { w } \max\{w\} max{w}。为了后续的打工次数少,子方案硬币能剩余的越多越好。

同时,打工次数被确定了后,每一次剩余的硬币数量也能被确定:

  • i i i n n n 的打工次数为 h h h。原方案的剩余的硬币数量 = 子方案 { 1 , a 1 , a 2 , . . . , a k − 1 , i } \{1,a_1,a_2,...,a_{k-1},i\} {1,a1,a2,...,ak1,i} 剩余的硬币数量 + h h h * max ⁡ { w } \max\{w\} max{w} - s ( i , n ) s(i,n) s(i,n)

所以,此时打工次数只剩下与 max ⁡ { w } \max\{w\} max{w} 也有关。而由于,一共只有 n n n 个物品。因此,我们可以增加一维状态用于表示经过的最高的可打工的地点。此时,子方案反映的问题是:从 1 到 i i i ,且打工的最高单价为 j j j,打工的最少次数是多少,同时剩余的硬币最多是多少?

又由于,这是在图论背景下的问题,我们只能选择贡献式递推去解决该问题,也就是使用 dijkstra 算法去递推。时间复杂度为 O ( n m log ⁡ n ) O(nm\log n) O(nmlogn),如果把 dijkstra 变成朴素版本就可以到达 O ( n 3 ) O(n^3) O(n3)

#include<bits/stdc++.h>using namespace std;typedef long long ll;
const int N = 810;
int n,m,p;
struct edge{int to,cost;
};vector<edge>v[N];struct node{int now;ll time,coin;int maxn;bool operator < (const node &p)const{if(time == p.time) return coin < p.coin;return time > p.time;}
};ll ans;
int flag[N][N],w[N];
node dist[N][N];
void dij(){for(int i = 0; i <= n; i++){for(int j = 0; j <= n; j++){flag[i][j] = 0;dist[i][j] = {0,(ll)1e18,0};}	}priority_queue<node>q;q.push({1,0,p,0});dist[1][0] = {0,0,p,1}; while(q.size()){node p = q.top();q.pop();int now = p.now;ll time = p.time,coin = p.coin;int maxn = p.maxn;//	cout <<now << " " <<time <<" " <<coin << " " << maxn << "GGGG" << endl;if(now == n){ans = min(ans,p.time);return; }if(flag[now][maxn]) continue;flag[now][maxn] = 1;for(int i = 0; i < v[now].size(); i++){edge j = v[now][i];int to = j.to;ll cost = j.cost;int newmaxn;if(w[maxn] < w[now]) newmaxn = now;else newmaxn = maxn;ll newtime,newcoin;if(coin >= cost) newtime = 0,newcoin = coin - cost;else{newtime = (cost - coin + w[newmaxn] - 1) / w[newmaxn] ;newcoin = coin + newtime * w[newmaxn]  - cost; }if(dist[to][newmaxn].time > time + newtime){dist[to][newmaxn].coin = newcoin;dist[to][newmaxn].time = time + newtime;}else if(dist[to][newmaxn].time == time + newtime){dist[to][newmaxn].coin = max(dist[to][newmaxn].coin,newcoin);}q.push({to,dist[to][newmaxn].time,dist[to][newmaxn].coin,newmaxn});}}
}int main(){int t;cin >> t;while(t--){cin >> n >> m >> p;for(int i = 1; i <= n; i++){cin >> w[i];v[i].clear();}for(int i = 1; i <= m; i++){int a,b,s;cin >> a >> b >> s;v[a].push_back({b,s});}ans = 1e18;dij();if(ans > 1e17) cout << -1 << endl;else cout << ans << endl;}return 0;
} 

方式 2

使用动态规划分析该问题,直接设最少打工次数的方案为: { 1 , a 1 , a 2 , . . . , a k , n } \{1,a_1,a_2,...,a_k,n\} {1,a1,a2,...,ak,n}
但是,这个方案中每个地方都打过工,忽略了未打工的地点。因为,上一个打工点直接通过最短路可以到达下一个打工点。这样做的好处是,我们不需要一维状态去表示最高打工单价了,每一次遍历到的点,就应该是最高打工单价。
下述代码使用了 floyd 去求解任意两个顶点之间的最短路。因此,时间复杂度为 O ( n 3 + m log ⁡ n ) O(n^3+m\log n) O(n3+mlogn)

#include<bits/stdc++.h>using namespace std;typedef long long ll;
const int N = 810;
int n,m,p;struct node{int now;ll time,coin;bool operator < (const node &p)const{if(time == p.time) return coin < p.coin;return time > p.time;}
};ll e[N][N];
void floyd(){for(int k = 1; k <= n; k++){for(int i = 1; i <= n; i++){for(int j = 1; j <= n; j++){e[i][j] = min(e[i][j],e[i][k] + e[k][j]);}}	}
}int flag[N],w[N];
node dist[N];
void dij(){for(int i = 1; i <= n; i++){flag[i] = 0;dist[i] = {0,(ll)1e18,0};}priority_queue<node>q;q.push({1,0,p});dist[1] = {0,0,p};while(q.size()){node p = q.top();q.pop();int now = p.now;ll time = p.time,coin = p.coin;//cout <<now << " " <<time <<" " <<coin << "GGGG" << endl;if(flag[now]) continue;flag[now] = 1;for(int i = 1; i <= n; i++){int to = i;ll cost = e[now][i];if(cost > 1e17) continue;ll newtime,newcoin;if(coin >= cost) newtime = 0,newcoin = coin - cost;else{newtime = (cost - coin + w[now] - 1) / w[now];newcoin = coin + newtime * w[now] - cost; }if(dist[to].time > dist[now].time + newtime){dist[to].coin = newcoin;dist[to].time = dist[now].time + newtime;}else if(dist[to].time == dist[now].time + newtime){dist[to].coin = max(dist[to].coin,newcoin);}q.push({to,dist[to].time,dist[to].coin});}}
}int main(){int t;cin >> t;while(t--){cin >> n >> m >> p;for(int i = 1; i <= n; i++){cin >> w[i];}for(int i = 1; i <= n; i++){for(int j = 1; j <= n; j++){e[i][j] = 1e18;} e[i][i] = 0;}for(int i = 1; i <= m; i++){int a,b,s;cin >> a >> b >> s;e[a][b] = min(e[a][b],(ll)s);}floyd();dij();if(dist[n].time > 1e17) cout << -1 << endl;else cout << dist[n].time << endl;}return 0;
} 

http://www.ppmy.cn/embedded/164761.html

相关文章

AI学习第一天-什么是AI

AI的发展可以被分为四次浪潮&#xff0c;这包括符号主义、机器学习与神经网络&#xff0c;以及深度学习。在这些发展中&#xff0c;深度学习凭借其在处理非结构化复杂数据、强大的学习能力和可解释性方面的优势备受关注。深度学习技术的应用不仅提升了AI系统的性能&#xff0c;…

项目上传github步骤

上传到 GitHub 的步骤大致是这样的&#xff1a; 1. 添加文件到暂存区 首先&#xff0c;你需要将你修改的文件添加到 Git 的暂存区。使用 git add . 可以将当前目录下的所有文件&#xff08;包括新增文件和修改过的文件&#xff09;添加到暂存区&#xff1a; git add .2. 提交…

【AI】面试高频考点-数据标注规则

【AI】面试高频考点-数据标注规则 一、明确标注目标与场景二、制定标注规范1. 标签体系设计2. 标注格式统一3. 特殊情况处理 三、标注流程设计1. 任务分派与协作2. 分阶段标注流程 四、质量控制机制1. 审核与验收标准2. 标注员培训与考核 五、文档管理与迭代1. 规则文档化2. 持…

C++ ——继承

体现的是代码复用的思想 1、子类继承父类&#xff0c;子类就拥有了父类的特性&#xff08;成员方法和成员属性&#xff09; 2、已存在的类被称为“基类”或者“父类”或者“超类”&#xff1b;新创建的类被称为“派生类”或者“子类” 注意&#xff1a; &#xff08;1&#…

Windows获取字体文件

// 包含必要的头文件 #include <string> #include <set> #include <vector> #include <iostream> #include <filesystem> #include <windows.h> #include <fstream> // 用于文件操作 #include <algorithm> // 确保包含 std::m…

人工智能之自动驾驶技术体系

自动驾驶技术体系 自动驾驶技术是人工智能在交通领域的重要应用&#xff0c;旨在通过计算机视觉、传感器融合、路径规划等技术实现车辆的自主驾驶。自动驾驶不仅能够提高交通效率&#xff0c;还能减少交通事故和环境污染。本文将深入探讨自动驾驶的技术体系&#xff0c;包括感…

DeepSeek 助力 Vue 开发:打造丝滑的评论系统(Comment System)

前言&#xff1a;哈喽&#xff0c;大家好&#xff0c;今天给大家分享一篇文章&#xff01;并提供具体代码帮助大家深入理解&#xff0c;彻底掌握&#xff01;创作不易&#xff0c;如果能帮助到大家或者给大家一些灵感和启发&#xff0c;欢迎收藏关注哦 &#x1f495; 目录 Deep…

TCP/UDP调试工具推荐:Socket通信图解教程

TCP/UDP调试工具推荐&#xff1a;Socket通信图解教程 一、引言二、串口调试流程三、下载链接 SocketTool 调试助手是一款旨在协助程序员和网络管理员进行TCP和UDP协议调试的网络通信工具。TCP作为一种面向连接、可靠的协议&#xff0c;具有诸如连接管理、数据分片与重组、流量和…