食物链题解
先简单说一下题目**n**个动物两个操作**1 x y** 表示x y是同类**2 x y** 表示x吃y现在有k句话假话以下条件否则就是真话1. 与真话冲突是假话2. x吃x是假话3. x或者y 大于动物总编号n思路这不是普通的并查集所以我们先回顾一个普通的并查集包括“并”和“查”(1)“并”的思想就是 亲戚的亲戚就是也是亲戚将他们划入一个集合中(2)“查”的思想就是 查看是否根节点相同相同说明在一个集合内否之不在这道题目 不是简单地划入集合中元素与元素之间存在关系1x和y是同类2x吃y3x被y吃所以当我们划入集合地同时重点要另外存他们之间的关系用dist[x]这里重点解释一下什么是dist[x]含义dist[x]: x与x父节点之间的关系(1) 0时 表示同类关系(2) 1时表示x是吃x的父节点的关系(3) 2时表示x是被x的父节点吃的关系对比普通并查集代码实现上的不同**一find()中**找出父节点之后还需要更新一下dist[x],因为我们最终是把两个结点划入一个集合中和同一个根节点进行比较意思就是说我知道x和根节点的关系也知道y和根节点的关系自然就知道x和y之间的关系。所以我们更新dist使得x始终是和他的根节点进行比较。**二在合并时候的不同**在普通并查集中我们对于两个点知道他们是亲戚即把他们之间的根节点统一而带权并查集就是在连接的同时将他们之间的关系也连起来比如说这道食物链的题给定了操作op1是他们之间的关系是同类那么对他们的dist进行操作op2也是一样的道理这个待会仔细讲一下在代码注释里面#includebits/stdc.h using namespace std; const int N 5e46; int fa[N]; //存集合 int dist[N];//存关系 0时同类 1时吃 2时被吃 int find(int x) { int t fa[x];//父节点 if(fa[x]!x) { fa[x]find(fa[x]);//fa[x]递归找根节点 dist[x](dist[x]dist[t])%3;//主要是利用向量来理解等式右边的dist[x]表示x-t, //dist[t]表示的是t-x的根节点这样相加之后表示 //x-根节点这里再重复一下是为了之后判断 //因为比较使用根节点作为媒介的 } return fa[x]; } int main() { int n,k; cinnk; int ans0; for(int i1;in;i) { fa[i]i; dist[i]0;//初始化为0x和x本身就是同类 } while(k--) { int op,x,y; cinopxy; if(xn || yn)//假话 1 { ans; continue; } if(op2 xy)//假话2 { ans; continue; } //是否矛盾假话3 int fx find(x); int fy find(y); if(fxfy)//如果在已经连接好了就看他们之间的关系 { if(op1)//如果是操作是同类的话那他们不是同类关系就是假话 { if((dist[x]-dist[y]3)%3!0) //还是利用向量来理解 //这里就是上文说的好判断利用同一个根节点 //dist[x]为x-根节点dist[y]为y-根节点 //x-y就是dist[x]-dist[y],利用向量来理解 //提醒一下3是为了避免出现负数mod3因为关系是循环 ans; } if(op2)//如果是吃的关系那么如果不是吃就是假话 { if((dist[x]-dist[y]3)%3!1) ans; } } //合并 如果他们之间还没有联系 else{ fa[fx]fy;//将fy和fx合并 fx表示x的根节点fy为y的 if(op1)//是同类的关系。 //现在已知x和fx的关系y和fyfind里面求得的也知道x和y的关系同类op1给的 //那还要将fx和fy的关系联系起来即用dist[fx]表示不然就是散的 //关系式可为fx-x , x-y, y-fy 那么dist[fx](-dist[x]0dist[y]3)%3 { dist[fx] (dist[y]-dist[x]3)%3; } else{ //同理可得 dist[fx] (dist[y]-dist[x]13)%3; } } } coutans;//最后输出结果 return 0; }

相关新闻

哪家团队有真实的GEO优化实测数据?

哪家团队有真实的GEO优化实测数据?

测评主体:品牌1、品牌2、上海洽特科技、品牌4、品牌5 测评维度:GEO AI搜索精准度、SEO自然排名提升效率、SEM投放ROI、服务响应速度、方案定制化程度 测评环境:统一使用百度、谷歌双平台,测试期为2026年4月1日至5月1日&#xff0c…

2026/10/6 1:35:29 阅读更多 →
SteamCleaner:多平台游戏客户端磁盘空间优化引擎技术解析

SteamCleaner:多平台游戏客户端磁盘空间优化引擎技术解析

SteamCleaner:多平台游戏客户端磁盘空间优化引擎技术解析 【免费下载链接】SteamCleaner :us: A PC utility for restoring disk space from various game clients like Origin, Steam, Uplay, Battle.net, GoG and Nexon :us: 项目地址: https://gitcode.com/gh_…

2026/10/12 11:39:15 阅读更多 →
【小程序毕设】基于SpringBoot3+Vue3+微信小程序的流浪动物救助领养系统

【小程序毕设】基于SpringBoot3+Vue3+微信小程序的流浪动物救助领养系统

大家好,我是青哥哥! 今天给大家带来新的高质量精品项目 暖爪救助领养小程序:原生微信小程序(领养浏览 AI 发现线索 申请回访) Vue3 管理后台 Spring Boot3,含品种识别、画像匹配推荐、领养审核与救助故…

2026/10/1 17:01:53 阅读更多 →

最新新闻

支付对账平台设计:从渠道对账到差错处理的完整实战指南

支付对账平台设计:从渠道对账到差错处理的完整实战指南

干支付、电商或者账务系统的朋友,大概率都体会过这种时刻:白天线上指标全部正常,订单量、支付量、成功率都好看得很,结果晚上账单一拉,渠道回传的交易笔数和库里的成功单差了两位数,金额怎么都对不上。这时…

2026/10/12 11:38:38 阅读更多 →
基于dlib的疲劳驾驶检测系统:68点关键点与EAR/MAR算法实战

基于dlib的疲劳驾驶检测系统:68点关键点与EAR/MAR算法实战

简介:基于dlib模型的疲劳驾驶检测系统设计与实现方案,是一份面向计算机视觉、程序设计方向学生及毕业设计开发者的完整参考文档。压缩包内为1个docx格式文档,大小约1.13MB,内容包含论文摘要、目录、导论、国内外检测技术对比、Ope…

2026/10/12 11:38:37 阅读更多 →
虚拟电厂多时间尺度调度建模与Matlab实现解析

虚拟电厂多时间尺度调度建模与Matlab实现解析

1. 项目概述:为什么虚拟电厂需要“两套调度系统” 这两年“虚拟电厂”在电力圈的热度一直没降过。简单说,虚拟电厂不是物理上的一个电厂,它把光伏、风电、储能、充电桩、可控负荷这些分散的资源聚合起来,通过统一调度,…

2026/10/12 11:38:37 阅读更多 →
Python列表和元组:序列类型操作、可变性陷阱与编码实践

Python列表和元组:序列类型操作、可变性陷阱与编码实践

1. 为什么要单独讲列表和元组:从"存一个数"到"存一串数"的跨越1.1 数据变多之后,普通变量就不够用了先看一个非常朴素的场景。你现在要写一个程序,记录全班三十个学生的考试成绩。用上一课学的知识,你会怎么做…

2026/10/12 11:38:37 阅读更多 →
DPDK高性能收包实战笔记:原理、配置与排障全解析

DPDK高性能收包实战笔记:原理、配置与排障全解析

简介:这是一份面向DPDK学习者与网络性能优化人员的《深入浅出DPDK》全书读书笔记。笔记从传统网卡中断驱动在高速网络下的性能瓶颈切入,逐步梳理NAPI轮询、Netmap共享包池、用户态驱动等演进方案,并深入讲解DPDK的多队列流分类、大页内存、无…

2026/10/12 11:38:37 阅读更多 →
电力窃漏电识别:Python机器学习实战与工业落地

电力窃漏电识别:Python机器学习实战与工业落地

简介:本资源是一份面向Python初学者与数据挖掘入门者的实战教学包,聚焦电力行业典型风控场景——窃漏电用户自动识别,通过完整项目流程帮助读者掌握从数据清洗、特征构建到模型训练与评估的全链路技能。资源共13个文件,含4个Pytho…

2026/10/12 11:37:32 阅读更多 →

日新闻

复古胶片颗粒感噪点合成器:Canvas ImageData 像素高斯杂色注入算法

复古胶片颗粒感噪点合成器:Canvas ImageData 像素高斯杂色注入算法

在数码相机、高清显示屏与现代矢量图形技术高度发达的今天,画面可以做到绝对的锐利、平滑与无瑕。然而,当一张秋日手账插画或拍立得照片过于“平整无瑕”时,往往会散发出一种冰冷生硬的“数码塑料感(Digital Plasticity&#xff0…

2026/10/12 0:00:59 阅读更多 →
活字印刷古籍线装排版:Canvas 竖排文字与栏线自适应算法

活字印刷古籍线装排版:Canvas 竖排文字与栏线自适应算法

在现代网页与移动端设计中,横排(Horizontal Layout)早已经成为了绝对的主流。然而,当我们翻开泛黄的线装古籍、宋版木刻诗集,或是欣赏一张茶道雅集的手写便签时,那种**自上而下纵向书写、自右向左逐列铺展&…

2026/10/12 0:00:59 阅读更多 →
周日晚间的“精神松绑减震器”:无压力情绪倾倒箱与温和轻声陪伴

周日晚间的“精神松绑减震器”:无压力情绪倾倒箱与温和轻声陪伴

每到周日的晚上八点到十点,很多人心里都会悄悄亮起一盏警示灯。 在心理学上,这种现象有一个专门的称谓——“周日夜晚焦虑症(Sunday Scaries)”。明天又是周一,闹钟又要重新在七点响彻卧房;脑海里仿佛有一个…

2026/10/12 0:00:59 阅读更多 →

周新闻

流感时间序列预测实战:ARIMA/LSTM全流程拆解与避坑指南

流感时间序列预测实战:ARIMA/LSTM全流程拆解与避坑指南

简介:基于 ARIMA、LSTM、Transformer 等模型的流感时间序列预测 Python 源码,面向计算机相关专业课程设计与期末大作业学生,以及项目实战学习者。内容覆盖预处理、平稳性检验、定阶、残差分析、多模型对比预测的完整时序建模流程,…

2026/10/12 0:16:30 阅读更多 →
影刀RPA新手教程:键盘模拟输入实战——输入文本与模拟按键的区别

影刀RPA新手教程:键盘模拟输入实战——输入文本与模拟按键的区别

影刀RPA新手教程:键盘模拟输入实战——输入文本与模拟按键的区别 做影刀RPA自动化,十个新手有八个栽在"往输入框里填东西"这件事上:要么填不进去,要么填了一半,要么直接把原来内容追加在后面。这背后的根因&…

2026/10/12 0:16:38 阅读更多 →
影刀RPA新手教程:阅文起点小说数据采集实战——书籍信息与章节内容

影刀RPA新手教程:阅文起点小说数据采集实战——书籍信息与章节内容

影刀RPA新手教程:阅文起点小说数据采集实战——书籍信息与章节内容 1. 认识影刀:什么场景该用RPA采小说数据 起点中文网的页面结构相对稳定——分类榜单、书籍详情、章节内容三块独立页面,跳转链路清晰。这种场景非常适合影刀自动化&#x…

2026/10/12 0:16:43 阅读更多 →

月新闻

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/11 10:45:37 阅读更多 →
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/11 14:36:53 阅读更多 →
黑夜航拍船只数据集训练YOLOV5模型全流程解析

黑夜航拍船只数据集训练YOLOV5模型全流程解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/11 14:36:54 阅读更多 →