BFS与反向BFS,链式前向星与反向建边
来源:互联网 发布:手机淘宝首页海报尺寸 编辑:程序博客网 时间:2024/06/07 22:26
P2296 寻找道路
- 1.4K通过
- 5.1K提交
- 题目提供者该用户不存在
- 标签 NOIp提高组2014 云端
- 难度 普及+/提高
- 时空限制 1s / 128MB
题目描述
在有向图G 中,每条边的长度均为1 ,现给定起点和终点,请你在图中找一条从起点到终点的路径,该路径满足以下条件:
1 .路径上的所有点的出边所指向的点都直接或间接与终点连通。
2 .在满足条件1 的情况下使路径最短。
注意:图G 中可能存在重边和自环,题目保证终点没有出边。
请你输出符合条件的路径的长度。
输入输出格式
输入格式:输入文件名为road .in。
第一行有两个用一个空格隔开的整数n 和m ,表示图有n 个点和m 条边。
接下来的m 行每行2 个整数x 、y ,之间用一个空格隔开,表示有一条边从点x 指向点y 。
最后一行有两个用一个空格隔开的整数s 、t ,表示起点为s ,终点为t 。
输出格式:输出文件名为road .out 。
输出只有一行,包含一个整数,表示满足题目᧿述的最短路径的长度。如果这样的路径不存在,输出- 1 。
输入输出样例
输入样例#1:
3 2 1 2 2 1 1 3
输出样例#1:
-1
输入样例#2:
6 6 1 2 1 3 2 6 2 5 4 5 3 4 1 5 代码#include<cstdio>#include<cmath>#include<iostream>#include<cstring>using namespace std;const int maxx=2000001;const int big=10001;int be[big][2],ne[maxx][2],to[maxx][2],e=0,ee=0;int q[big*5],p[big],c[big],f,l;void add(int x,int y){ to[++e][0]=y; ne[e][0]=be[x][0]; be[x][0]=e; to[++ee][1]=x; ne[ee][1]=be[y][1]; be[y][1]=ee;}void work(int x){ for(int u=be[x][1];u;u=ne[u][1]){ int go=to[u][1]; if(p[go]==1) p[go]=-1; }}int main(){#ifndef ONLINE_JUDGE freopen("input.in","r",stdin); freopen("output.out","w",stdout);#endif int i,j,k,m,n,a,b; scanf("%d%d",&n,&m); for(i=1;i<=m;i++){ scanf("%d%d",&a,&b); if(a!=b)add(a,b); } scanf("%d%d",&a,&b); f=l=0; q[++l]=b; p[b]=1; while(f<l){ f++; for(i=be[q[f]][1];i;i=ne[i][1]){ int go=to[i][1]; if(!p[go]){ p[go]=1; q[++l]=go; } } } for(i=1;i<=n;i++) if(!p[i]){// printf("%d)(\n",i); work(i); } f=l=k=0; q[++l]=a; c[a]=0; while(f<l){ f++; for(i=be[q[f]][0];i;i=ne[i][0]){ int go=to[i][0]; if(p[go]>0){// printf("%d\n",go); q[++l]=go; p[go]=0; c[go]=c[q[f]]+1; if(go==b){ printf("%d\n",c[b]); k=1; break; } } } if(k)break; } if(!k)printf("-1"); return 0;}made by罗旅洲
阅读全文
0 0
- BFS与反向BFS,链式前向星与反向建边
- 链式前向星存储实现BFS
- 前向传播与反向传播代码
- DFS&BFS(链式前向星实现)
- DFS和BFS链式前向星的实现
- 【zzulioj 2130 hipercijevi】+ BFS + 链式前向星 +输入输出外挂
- zzuli 2130 hipercijevi bfs + 链式前向星 + 输入外挂
- 前向代理与反向代理的区别
- 循环神经网络(RNN)模型与前向反向传播算法
- LSTM模型与前向反向传播算法
- 循环神经网络(RNN)模型与前向反向传播算法
- 循环神经网络(RNN)模型与前向反向传播算法
- Caffe源码解读: SoftmaxLayer的前向与反向传播
- Caffe源码解读: Softmax_loss_Layer的前向与反向传播
- Caffe tutorial 之 前向与反向传播
- 循环神经网络(RNN)模型与前向反向传播算法
- 邻接表与链式前向星
- 前向星与链式前向星
- Chromium Base学习笔记 —— Callback
- Hbase region切片 reqion切片合并操作
- 数据对接—kettle使用知识13
- ArcGIS Engine开发——加载数据
- JDK1.7 换成1.8后遇到的meaven异常
- BFS与反向BFS,链式前向星与反向建边
- bash编程之: Sed流文本编辑
- Eclipse创建java web工程
- TCP/IP协议三次握手与四次握手流程解析
- 数据分析(工具)及架构
- 分水岭分割
- bash编程之 awk格式化输出
- php ob_flush无效
- Ubuntu16.04下安装CUDA8.0和tensorflow