HDOJ--1869--六度分离(用三种算法写的,希望能比較出来他们之间的差别)

六度分离

Time Limit: 5000/1000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others)

Total Submission(s): 1791    Accepted Submission(s): 696

Problem Description

1967年。美国著名的社会学家斯坦利·米尔格兰姆提出了一个名为“小世界现象(small world phenomenon)”的著名假说。大意是说。不论什么2个素不相识的人中间最多仅仅隔着6个人,即仅仅用6个人就能够将他们联系在一起。因此他的理论也被称为“六度分离”理论(six degrees of separation)。尽管米尔格兰姆的理论屡屡应验,一直也有非常多社会学家对其兴趣浓厚,可是在30多年的时间里。它从来就没有得到过严谨的证明,仅仅是一种带有传奇色彩的假说而已。

Lele对这个理论相当有兴趣,于是,他在HDU里对N个人展开了调查。

他已经得到了他们之间的相识关系,如今就请你帮他验证一下“六度分离”是否成立吧。

Input

本题目包括多组測试。请处理到文件结束。

对于每组測试。第一行包括两个整数N,M(0<N<100,0<M<200),分别代表HDU里的人数(这些人分别编成0~N-1号),以及他们之间的关系。

接下来有M行。每行两个整数A,B(0<=A,B<N)表示HDU里编号为A和编号B的人互相认识。

除了这M组关系,其它随意两人之间均不相识。

Output

对于每组測试,假设数据符合“六度分离”理论就在一行里输出"Yes"。否则输出"No"。

Sample Input

8 7 0 1 1 2 2 3 3 4 4 5 5 6 6 7 8 8 0 1 1 2 2 3 3 4 4 5 5 6 6 7 7 0

Sample Output

Yes Yes

思路:额,把每条边的权值看做1。然后比較随意两个点的距离。看是否存在大于7的。由于是6个朋友,所以应该是7条边以内都能够连接不论什么点。(第一次一遍过一道题,简直开心的不要不要的。)

ac代码:

#include<stdio.h>
#include<string.h>
#define INF 0x3f3f3f3f
int vis[110],map[110][110],dis[110];
int n,m;
void init(){
	int i,j;
	for(i=0;i<n;i++)
		for(j=0;j<n;j++){
			if(j==i)
				map[i][j]=map[j][i]=0;
			else
				map[i][j]=map[j][i]=INF;
		}
}
void dijkstra(int beg){
	int i;
	memset(vis,0,sizeof(vis));
	for(i=0;i<n;i++)
		dis[i]=map[beg][i];
	for(i=0;i<n;i++){
		int j,k,temp=INF;
		for(j=0;j<n;j++)
			if(!vis[j]&&temp>dis[j])
				temp=dis[k=j];
		if(temp==INF)
			break;
		vis[k]=1;
		for(j=0;j<n;j++)
			if(!vis[j]&&dis[j]>dis[k]+map[k][j])
				dis[j]=dis[k]+map[k][j];
	}
}
int main(){
	while(scanf("%d%d",&n,&m)!=EOF){
		init();
		for(int i=0;i<m;i++){
			int a,b;
			scanf("%d%d",&a,&b);
				map[a][b]=map[b][a]=1;
		}
		int i,j,max=-1;
		for(i=0;i<n;i++){
			dijkstra(i);
			for(j=i;j<n;j++){
				if(max<dis[j])
					max=dis[j];
			}
		}
		if(max>7)
			printf("No\n");
		else
			printf("Yes\n");
	}
	return 0;
} 

用SPFA做了一次纯粹练一下自己对模板的熟悉度。

ac代码:

#include<stdio.h>
#include<string.h>
#include<queue>
#define N 110
#define M 410
#define INF 0x3f3f3f3f
using namespace std;
int dis[N],vis[N],head[N],n,m,edgenum;
struct node{
	int from,to,cost,next;
}edge[M];
void init(){
	edgenum=0;
	memset(head,-1,sizeof(head));
}
void add(int u,int v){
	node E={u,v,1,head[u]};
	edge[edgenum]=E;
	head[u]=edgenum++;
}
void spfa(int beg){
	queue<int>q;
	memset(dis,INF,sizeof(dis));
	memset(vis,0,sizeof(vis));
	dis[beg]=0;
	vis[beg]=1;
	q.push(beg);
	while(!q.empty()){
		int i,u=q.front();
		q.pop();
		vis[u]=0;
		for(i=head[u];i!=-1;i=edge[i].next){
			int v=edge[i].to;
			if(dis[v]>dis[u]+edge[i].cost){
				dis[v]=dis[u]+edge[i].cost;
				if(!vis[v]){
					vis[v]=1;
					q.push(v);
				}
			}
		}
	}
}
int main(){
	while(scanf("%d%d",&n,&m)!=EOF){
		init();
		while(m--){
			int a,b;
			scanf("%d%d",&a,&b);
			add(a,b);
			add(b,a);
		}
		int i,j,max=-1;
		for(i=0;i<n;i++){
			spfa(i);
			for(j=0;j<n;j++)
				if(max<dis[j])
					max=dis[j];
		}
		if(max>7)
			printf("No\n");
		else
			printf("Yes\n");
	}
	return 0;
}

floyd算法:

ac代码:

#include<stdio.h>
#include<string.h>
#define INF 0x3f3f3f3f
#define N 220
int dis[N][N],n,m;
void init(int num){
	memset(dis,INF,sizeof(dis));
	for(int i=0;i<num;i++)
		for(int j=0;j<num;j++)
			if(i==j)
				dis[i][j]=0;
}
void floyd(){
	for(int k=0;k<n;k++)
		for(int i=0;i<n;i++)
			for(int j=0;j<n;j++){
				if(dis[i][j]>dis[i][k]+dis[k][j])
					dis[i][j]=dis[i][k]+dis[k][j];
			}
}
int main(){
	while(scanf("%d%d",&n,&m)!=EOF){
		init(n);
		while(m--){
			int a,b;
			scanf("%d%d",&a,&b);
			dis[a][b]=dis[b][a]=1;
		}
		floyd();
		int flag=0;
		for(int i=0;i<n;i++)
			for(int j=i;j<n;j++)
				if(dis[i][j]>7)
					flag=1;
		if(flag)
			printf("No\n");
		else
			printf("Yes\n");
	}
		return 0;
}
时间: 2024-11-05 21:58:21

HDOJ--1869--六度分离(用三种算法写的,希望能比較出来他们之间的差别)的相关文章

最近公共祖先(三种算法)

最近研究了一下最近公共祖先算法,根据效率和实现方式不同可以分为基本算法.在线算法和离线算法.下面将结合hihocoder上的题目分别讲解这三种算法. 1.基本算法 对于最近公共祖先问题,最容易想到的算法就是从根开始遍历到两个查询的节点,然后记录下这两条路径,两条路径中距离根节点最远的节点就是所要求的公共祖先. 题目参见 #1062 : 最近公共祖先·一 附上AC代码,由于记录的方式采取的是儿子对应父亲,所以实现的时候有点小技巧,就是对第一个节点的路径进行标记,查找第二个节点的路径时一旦发现访问到

JavaScript--------------------jQuery中.bind() .live() .delegate() .on()的区别 和 三种方式写光棒事件 动画

bind(type,[data],fn) 为每个匹配元素的特定事件绑定事件处理函数. $("a").bind("click",function(){alert("ok");}); live(type,[data],fn) 给所有匹配的元素附加一个事件处理函数,即使这个元素是以后再添加进来的 $("a").live("click",function(){alert("ok");}); de

Opencv——彩色图像灰度化的三种算法

为了加快处理速度在图像处理算法中,往往需要把彩色图像转换为灰度图像.24为彩色图像每个像素用3个字节表示,每个字节对应着RGB分量的亮度. 当RGB分量值不同时,表现为彩色图像:当RGB分量相同时,变现为灰度图像: 一般来说,转换公式有3中. (1)Gray(i,j)=[R(i,j)+G(i,j)+B(i,j)]/3; (2)Gray(i,j)=0.299*R(i,j)+0.587*G(i,j)+0.144*B(i,j); (3)Gray(i,j)=G(i,j);//从2可以看出G的分量比较大所

Java利用 DES / 3DES / AES 这三种算法分别实现 对称加密

转载请注明出处:http://blog.csdn.net/smartbetter/article/details/54017759 有两句话是这么说的: 1)算法和数据结构就是编程的一个重要部分,你若失掉了算法和数据结构,你就把一切都失掉了. 2)编程就是算法和数据结构,算法和数据结构是编程的灵魂. 注意,这可不是我说的,是无数程序员总结的,话说的很实在也很精辟,若想长久可持续发展,多研究算法还是很有必要的,今天我给大家说说加密算法中的对称加密算法,并且这里将教会大家对称加密算法的编程使用.包含

快速排序、归并排序、堆排序三种算法性能比较

快速排序.归并排序.堆排序三种排序算法的性能谁最好呢?网上查了一下说快速排序最快.其次是归并排序,最差的是堆排序:而理论上三种排序算法的时间复杂度都是O(nlogn),只不过快速排序最差的会达到O(n^2),但是数据的随机性会消除这一影响,今天就来实际比较一下: 1 #include <iostream> 2 #include<time.h> 3 using namespace std; 4 #define MAX 100000000 5 int data1[MAX],data2[

字符串匹配的三种算法

下面将介绍三种有关字符串匹配的算法,一种是朴素的匹配算法,时间复杂度为O(mn),也就是暴力求解.这种方法比较简单,容易实现.一种是KMP算法,时间复杂度为O(m+n),该算法的主要任务是求模式串的next数组.另外还有一种对KMP算法的改进,主要是求nextval数组. 第一种朴素的匹配算法: int index(char str[], char subStr[]) { int i = 0, j = 0,index = 0; while (str[i] != '\0' && subStr

Java常用三种算法排序比较

Java常用三种算法排序比较 冒泡排序: package demo1; /** * * @author xiaoye 2014-5-13 */ /** * 有N 个数据需要排序,则从第0 个数开始,依次比较第0 和第1 个数据, * 如果第0 个大于第1 个则两者交换,否则什么动作都不做,继续比较第 1 个第2个-, * 这样依次类推,直至所有数据都"冒泡"到数据顶上. 冒泡排序的效率 O(N*N ),比较 N*N/2 ,交换N*N/4 . */ public class Bubble

缓存算法(FIFO 、LRU、LFU三种算法的区别)

缓存算法(FIFO .LRU.LFU三种算法的区别) FIFO算法# FIFO 算法是一种比较容易实现的算法.它的思想是先进先出(FIFO,队列),这是最简单.最公平的一种思想,即如果一个数据是最先进入的,那么可以认为在将来它被访问的可能性很小.空间满的时候,最先进入的数据会被最早置换(淘汰)掉. FIFO 算法的描述:设计一种缓存结构,该结构在构造时确定大小,假设大小为 K,并有两个功能: set(key,value):将记录(key,value)插入该结构.当缓存满时,将最先进入缓存的数据置

字符串相似度三种算法介绍

余弦相似度 计算公式为: P(A,B) = sqrt(A × B) / (|A| × |B|) 设有两个字符串: ABCDEFG ABCHIJK 其中共有11个字符,为: A B C D E F G H I J K 如果,不考虑他们之间的关联性以及顺序等隐私,那么可以讲这两个字符串转换成两个11维空间中的向量: {1.1.1.1.1.1.1.0.0.0.0} {1.1.1.0.0.0.0.1.1.1.1} 那,计算他们之间的相似度为: P = sqrt(3) / (sqrt(7) × sqrt(