博客
关于我
3-2 排座位 (20分)
阅读量:112 次
发布时间:2019-02-26

本文共 1447 字,大约阅读时间需要 4 分钟。

为了解决这个问题,我们需要确保在安排宴席座位时,任何一对死对头不会坐在同一张宴会桌旁。我们可以使用并查集(Union-Find)来高效地管理朋友关系,并使用二维数组来记录敌对关系。

方法思路

  • 初始化数据结构:使用并查集来管理朋友关系,二维数组用于记录敌对关系。
  • 处理关系:遍历所有给定的关系,更新并查集和敌对数组。
  • 处理查询:对于每个查询,检查两位宾客的关系和是否有共同朋友,根据情况输出相应的结果。
  • 解决代码

    #include 
    using namespace std;int f[101];int di[101][101];void init() { for (int i = 1; i <= 100; i++) { f[i] = i; }}int find(int x) { if (x == f[x]) { return x; } else { f[x] = find(f[x]); }}void merge(int x, int y) { int a = find(x); int b = find(y); if (a != b) { f[b] = a; }}int main() { int n, m, k; cin >> n >> m >> k; init(); int g1, g2, ship; while (m--) { cin >> g1 >> g2 >> ship; if (ship == 1) { merge(g1, g2); } else { di[g1][g2] = di[g2][g1] = 1; } } while (k--) { cin >> g1 >> g2; int a = find(g1); int b = find(g2); if (di[g1][g2] == 1) { if (a == b) { cout << "OK but..." << endl; } else { cout << "No way" << endl; } } else { if (a == b) { cout << "No problem" << endl; } else { cout << "OK" << endl; } } } return 0;}

    代码解释

  • 初始化init函数初始化并查集,每个宾客最初都是自己的代表。
  • 查找find函数用于查找一个元素的根节点,路径压缩优化了查找时间。
  • 合并merge函数将两个集合合并,用于处理朋友关系。
  • 处理输入:读取输入数据,处理关系,更新并查集和敌对数组。
  • 处理查询:对于每个查询,检查是否为敌对关系及其共同朋友,输出相应结果。
  • 这种方法确保了高效处理大量关系,并准确判断每对宾客是否可以同席。

    转载地址:http://njdk.baihongyu.com/

    你可能感兴趣的文章
    opencv之namedWindow,imshow出现两个窗口
    查看>>
    opencv之模糊处理
    查看>>
    Opencv介绍及opencv3.0在 vs2010上的配置
    查看>>
    OpenCV使用霍夫变换检测图像中的形状
    查看>>
    opencv保存图片路径包含中文乱码解决方案
    查看>>
    OpenCV保证输入图像为三通道
    查看>>
    OpenCV入门教程(非常详细)从零基础入门到精通,看完这一篇就够了
    查看>>
    opencv图像分割2-GMM
    查看>>
    opencv图像分割3-分水岭方法
    查看>>
    opencv图像切割1-KMeans方法
    查看>>
    OpenCV图像处理篇之阈值操作函数
    查看>>
    opencv图像特征融合-seamlessClone
    查看>>
    OpenCV图像的深浅拷贝
    查看>>
    OpenCV学习(13) 细化算法(1)(转)
    查看>>
    OpenCV学习笔记(27)KAZE 算法原理与源码分析(一)非线性扩散滤波
    查看>>
    OpenCV学堂 | CV开发者必须懂的9种距离度量方法,内含欧氏距离、切比雪夫距离等(建议收藏)
    查看>>
    OpenCV学堂 | OpenCV案例 | 基于轮廓分析对象提取
    查看>>
    OpenCV学堂 | YOLOv8实战 | 荧光显微镜细胞图像检测
    查看>>
    OpenCV官方文档 理解k - means聚类
    查看>>
    OpenCV探索
    查看>>