Traveling 【图的性质】

Traveling

时间限制: 1 Sec 内存限制: 32 MB

提交: 41 解决: 23

[提交][状态][讨论版]

题目描述

SH likes traveling around the world. When he arrives at a city, he will ask the staff about the number of cities that connected with this city directly. After traveling around a mainland, SH will collate data and judge whether the data is correct.

A group of data is correct when it can constitute an undirected graph.

输入

There are multiple test cases. The first line of each test case is a positive integer N (1<=N<=10000) standing for the number of cities in a mainland. The second line has N positive integers a1, a2, …,an. ai stands for the number of cities that connected directly with the ith city. Input will be ended by the END OF FILE.

输出

If a group of data is correct, output “YES” in one line, otherwise, output “NO”.

样例输入

8

7 7 4 3 3 3 2 1

10

5 4 3 3 2 2 2 1 1 1

样例输出

NO

YES

#include <stdio.h>
#include <iostream>
#include <string.h>
#include <algorithm>
#include <math.h>
#include <ctype.h>
#include <time.h>
#include <queue>

using namespace std;

const int MAXN =10010;

int p[MAXN];
int n;

int solve ()
{
    for(int i=0;i<n;i++)
    {
        for(int j=i+1;j<n;j++)
        {
            if (p[i]>0 && p[j] >0)
            {
                p[i]-- ;
                p[j]--;
            }
        }
        if (p[i]!=0)
        {
            return 0;
        }
    }
    return 1;
}

int main()
{
    while (scanf("%d",&n)!=EOF)
    {
        for(int i=0;i<n;i++)
            scanf("%d",&p[i]);
        if (solve())
            printf("YES\n");
        else
            printf("NO\n");
    }
    return 0;
}
时间: 2024-10-28 23:49:41

Traveling 【图的性质】的相关文章

【练习6.14】积分图像cvIntegral及使用积分图的性质找横向和纵向边,IplImage结构中widthStep细节

提纲 题目要求 程序代码 结果图片 要言妙道 题目要求: 加载一副灰度图,得到它的积分图.利用积分图的性质找到图像里的横向和纵向边缘. 利用细长的矩形,在适当的位置减去或加上它们. 备注:边缘查找尚未加入代码 程序代码: 1 // OpenCVExerciseTesting.cpp : 定义控制台应用程序的入口点. 2 // 3 //D:\\Work\\Work_Programming\\Source\\Image\\lena.jpg 4 5 #include "stdafx.h" 6

Base Station (hdu 3879 最大权闭合图)

Base Station Time Limit: 5000/2000 MS (Java/Others)    Memory Limit: 65768/32768 K (Java/Others) Total Submission(s): 1983    Accepted Submission(s): 838 Problem Description A famous mobile communication company is planning to build a new set of base

基于大规模RDF图的关键字查询

1. 基础知识 RDF图:RDF图是由三元组(subject, predicate, object)组成的有向图,subject通过predicate指向object,如图1-1所示为一个RDF图.通常用三元组的数量表示RDF图的大小. 图1-1 RDF图 RDF压缩图:基于RDF图的关键字查询先将图进行压缩为图G=(V, E).其中节点V包括RDF图中的实体.姓名(标签).类型信息,边E为RDF中实体之间的关系.图1-1所示RDF压缩图如图1-2所示. 图1-2 压缩图 下文中出现的图均为压缩

指数函数 对数函数 冥函数 性质

指数函数.对数函数与幂函数 教学目标: 1.理解有理指数幂的含义:了解实数指数幂的意义:掌握幂的运算:理解指数函数的概念和意义:理解指数函数的图象.单调性与特殊点. 2.理解对数的概念及其运算性质:了解对数换底公式,能将一般对数转化成自然对数或常用对数:了解对数函数的概念:理解对数函数的图象.单调性与特殊点. 3.了解幂函数的概念:结合函数y=x,y=x2,y=x3,了解幂函数的图象变化情况. 4.能够运用函数的性质.指数函数和对数函数的性质解决某些简单的实际问题. 教学重点:指.对数函数的图解

HDU 4971 A simple brute force problem. 最大权闭合图

点击打开链接 A simple brute force problem. Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 65536/65536 K (Java/Others) Total Submission(s): 157    Accepted Submission(s): 99 Problem Description There's a company with several projects to be done. Fi

图遍历问题

图遍历问题分为四类 遍历完所有的边而不能有重复,即所謂“一笔画问题”或“欧拉路径”: 遍历完所有的顶点而没有重复,即所谓“哈密尔顿问题”. 遍历完所有的边而可以有重复,即所谓“中国邮递员问题”: 遍历完所有的顶点而可以重复,即所谓“旅行推销员问题”. 对于第一和第三类问题已经得到了完满的解决,而第二和第四类问题则只得到了部分解决. 第一类问题就是研究所谓的欧拉图的性质,而第二类问题则是研究所谓的哈密尔顿图的性质. 图的基本知识 顶点:图中的数据元素称为顶点 有向图:有方向的图叫有向图 无向图:没

【GCN】图卷积网络初探——基于图(Graph)的傅里叶变换和卷积

[GCN]图卷积网络初探——基于图(Graph)的傅里叶变换和卷积 2018年11月29日 11:50:38 夏至夏至520 阅读数 5980更多 分类专栏: # MachineLearning 版权声明:本文为博主原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/qq_41727666/article/details/84622965 本文为从CNN到GCN的联系与区别——GCN从入门到精(fang)通(qi

DNA Sequence POJ - 2778 邻接矩阵 trie图 矩阵快速幂

首先构造trie图. 我们明确一点的是,给出trie图,那么所有点的转移方式都是唯一可以确定的.即使是没有这个字符,他也会指向根节点. 我们根据离散数学的知识可以知道.计算有向图的邻接矩阵,然后k次方,就能够计算出从某一个点到另一个点,有多少条长度为k的路径. 故,我们构造出来trie图,拿出该图的邻接矩阵,就能计算路径数目.--(注意改图是有向图)-- trie图的构造不说了,模板. 邻接矩阵的构造根据trie图来的.我们在trie图上找到每一个节点,查看他的相邻节点,即A,G,C,T四个点指

半监督学习[转]

0  引言 机器学习(machine learning)是人工智能的核心研究领域,是智能信息处理的重要途径.监督学习(supervised learning)是机器学习中研究最多.应用最广泛的一种学习途径.在传统的监督学习中,学习系统通过对大量的有标记训练样本 (labeled examples) 进行学习,建立模型用于预测未知样本的标记(label).在此,标记对应于示例的输出,用于表征待学习的目标概念. 随着数据收集和存储技术的发展,收集大量缺少标记的数据已相当容易,而为这些数据提供标记则相