• P3916 图的遍历


    原题

    题目描述

    给出N个点,M条边的有向图,对于每个点v,求A(v)表示从点v出发,能到达的编号最大的点。

    输入输出格式

    输入格式:

    第1 行,2 个整数N,M。

    接下来M行,每行2个整数Ui,Vi,表示边(Ui,Vi)。点用1,2,,N编号。

    输出格式:

    N 个整数A(1),A(2),,A(N)。

    输入输出样例

    输入样例#1:
    4 3
    1 2
    2 4
    4 3
    输出样例#1:
    4 4 3 4

    说明

    • 对于60% 的数据,1N.K10^3;

    • 对于100% 的数据,1N,M10^5。

    分析

    首先,你得注意到这个:1N,M10^5

    由于数据范围太大用邻接矩阵存不下,所以我们采用邻接表储存

    刚开始写的时候一下就想到了dfs,本人写了1个小时才发现会超时,那么这道题该用什么方法呢?

    当你仔细思考这道题的时候你就会发现:你在从每个点出发去找它能到达的编号最大的点时,每搜到一个点你不能保证它是答案,而那些不是答案的点就浪费了你的宝贵时间

    那么,如何避免这个问题呢?

    很简单

    你可以“倒着”搜:找哪些点能到i,而不是挨个找每个点能到达的编号最大的点

    for example:

    先从最大的点(9号点)开始,沿着能到达它的边反向搜索,搜索到的点能到达的编号最大的点就是它(“9”)

    再从第二大的点(8号点)开始,沿着能到达它的边反向搜索,搜索到的点能到达的编号最大的点就是它(“8”)

    再从第三大的点(7号点)开始,沿着能到达它的边反向搜索,但是7号点的入度(入度:指向这个点的边的数量叫这个点的入度)为0

    再从第四大的点(6号点)开始,沿着能到达它的边反向搜索,搜索到的点能到达的编号最大的点就是它(“6”)


    ………………(以此类推,直到全图的每一个点都搜索过一遍)

    注意:被搜索过的点以后就不需要搜索了

    代码

    #include<iostream>
    #include<cstring>
    #include<cstdlib>
    #include<algorithm>
    using namespace std;
    int n,m;
    int head[100001],nxt[100001],v[100001],cnt;
    int ans[100001];
    inline void add(int x,int y)
    {
    	cnt++;
    	v[cnt]=y;
    	nxt[cnt]=head[x];
    	head[x]=cnt;
    }
    inline int dfs(int x,int num)
    {
    	ans[x]=num;
    	for(int i=head[x];i;i=nxt[i])
    	    if(ans[v[i]]==-1) dfs(v[i],num);
    	return ans[x];
    }
    int main()
    {
    	memset(ans,-1,sizeof(ans));
    	cin>>n>>m;
    	for(int i=1;i<=m;i++)
    	{
    		int x,y;
    		cin>>x>>y;
    		add(y,x);
    	}
    	for(int i=n;i>=1;i--)
    	{
    		if(ans[i]!=-1) dfs(i,ans[i]);
    		else dfs(i,i);
    	}
    	for(int i=1;i<=n;i++) cout<<ans[i]<<" ";
    	return 0;
    }
    

      

  • 相关阅读:
    解决 react-native 嵌套路由 warning
    在 function component 中设置 navigationOptions
    《客户端存储技术》阅读笔记
    表单实现原理(Vue ElementUI)
    MVVM 响应式原理(Vue)
    react 实现 loading 动效圈,支持配置转一圈的 duration
    CSS 数字设置等宽
    JSONP(Json with padding)
    javascript this对象
    css盒子模型
  • 原文地址:https://www.cnblogs.com/chenjiaxuan/p/10775057.html
Copyright © 2020-2023  润新知