• poj 3107 树重心


    题目大意和思路同上题类似, 本题特殊点为其需要将多组满足要求的结果按递增全部输出。

    解题代码:

      

    View Code
    #include<stdio.h>
    #include<string.h>
    #include<stdlib.h>
    using namespace std;
    #define MAX(a,b) (a)>(b)?(a):(b)
    #define MIN(a,b) (a)<(b)?(a):(b)
    const int N = 50010;
    
    int M[N], n;
    int head[N], idx;
    struct node{
        int max, sum;
    }D[N];
    struct Edge{
        int v, next;
    }edge[N<<2];
    
    void AddEdge(int a, int b)
    {
        edge[idx].v = b; edge[idx].next = head[a]; head[a] = idx++;
        edge[idx].v = a; edge[idx].next = head[b]; head[b] = idx++;
    }
    void input()
    {
        int a, b;    
        //scanf("%d", &n);
        memset( head, 0xff, sizeof(head));
        idx = 0;    
        for(int i = 0; i < n-1; i++)
        {
            scanf("%d%d", &a,&b );
            AddEdge(a, b);
        }
    }
    int dfs( int u, int pre )
    {
        D[u].sum = 1; D[u].max = 0;
        for(int i = head[u]; ~i; i = edge[i].next )
        {
            if( edge[i].v != pre )
            {
                int t = dfs( edge[i].v, u );
                D[u].sum += t;
                D[u].max = MAX( D[u].max, t );
            }
        }
        return D[u].sum;
    }
    void solve()
    {
        dfs( 1, 0 );
        int ans = 0x3fffffff, rt;    
        for(int i = 1; i <= n; i++)
        {
            D[i].max = MAX( D[i].max, n-D[i].sum );    
            if( ans > D[i].max )
            {
                rt = i; ans = D[i].max;    
            }
        }
        bool flag = true;    
        for(int i = 1; i <= n; i++)
        {
            if( D[i].max == ans ){
                if( flag ) flag = false;
                else    printf(" ");
                printf("%d", i);    
            }
        }
    }
    int main()
    { ;
        while( scanf("%d", &n) != EOF) 
        {
            input();
            solve();
        }
        return 0;
    }
  • 相关阅读:
    tomcat 启动超时
    读书笔记-String
    读书笔记-集合
    读书笔记-算法
    多变量梯度下降
    多变量线性回归
    梯度下降算法在线性回归中的运用
    梯度下降
    线性回归——代价函数
    线性回归
  • 原文地址:https://www.cnblogs.com/yefeng1627/p/2823025.html
Copyright © 2020-2023  润新知