当前位置: 首页 > news >正文

【xdoj-离散线上练习】T251(C++)

 解题反思:

  • 开始敲代码前想清楚整个思路比什么都重要嘤嘤嘤!
  • 看到输入m, n和矩阵,注意不能想当然地认为就是高m,宽n的矩阵,细看含义
    • 比如本题给出了树的邻接矩阵,就是n*n的,代码实现中没有用到m这个条件
  • 不熟语法
  • vector<vector<int>>tree(m, vector<int>(n, 0));
    //定义二维m*n数组tree,并将每个元素初始化为0;

题目见下

题目:任意构造一棵树,输出以指定的某一结点为根节点的子树。

问题描述

任意构造一棵树,输出以指定的某一结点为根节点的子树。下面给出一个样例示意图,输入样例的邻接矩阵,输出分别以a,c,e结点为根节点的子树。

输入格式

第一行输入图的顶点数n和边数m,第二行开始输入树的邻接矩阵(结点名称默认为1,2,3,...,n)。第n+2行输入1,2,3,...,n中选定的某一结点A。

输出格式

选择某一结A点为树根后,出现数字以及(数字1,数字2)的形式,

数字表示点,(数字1,数字2)表示以1、2为顶点的边,将各个顶点依照()里的关系组合起来,即以输入字母为顶点的子树。

样例输入

21 20

0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

3

样例输出

3 (3,7)7 (3,8)8 (8,15)15 (8,16)16

题目分析&代码实现

其实就是一个树的深度优先搜索的变形,本代码用lambda表达式实现递归函数。 

#include<bits/stdc++.h>
using namespace std;int main()
{int n, m;cin>>n>>m;vector<vector<int>>tree(n+1, vector<int>(n+1));//注意从1开始!for(int i=1; i<=n; i++){for(int j=1; j<=n; j++){	cin>>tree[i][j];}}int root; cin>>root;auto dfs = [&](auto& dfs, int cur) -> void{		for(int i=1; i<=n; i++){if(tree[cur][i] == 1){cout<<"("<<cur<<","<<i<<")"<<i<<" ";dfs(dfs, i);}}return;};cout<<root<<" ";dfs(dfs, root);return 0;
}

~希望对你有启发~

相关文章:

【xdoj-离散线上练习】T251(C++)

解题反思&#xff1a; 开始敲代码前想清楚整个思路比什么都重要嘤嘤嘤&#xff01;看到输入m, n和矩阵&#xff0c;注意不能想当然地认为就是高m&#xff0c;宽n的矩阵&#xff0c;细看含义 比如本题给出了树的邻接矩阵&#xff0c;就是n*n的&#xff0c;代码实现中没有用到m这…...

定时器按键tim_key模版

低优先级放在高优先级内势必是程序卡死 把高优先级放到低优先级内&#xff0c;会使程序卡死 可修改 Debuger调试方法 Pwm rcc #include "my_main.h" uint8_t led_sta0x10; char text[30]; void LED_Disp(uint8_t dsLED) {HAL_GPIO_WritePin(GPIOC,GPIO_PIN_All,GPI…...

Kanass快速安装配置教程(入门级)

Kanass是一款国产开源免费的项目管理工具&#xff0c;工具简洁易用、开源免费&#xff0c;本文将介绍如何快速安装配置kanass&#xff0c;以快速上手。&#xfeff; 1、快速安装 1.1 Linux 安装 点击官网 -> 演示与下载 ->下载&#xff0c;下载Linux安装包&#xff0c;…...

无用知识之:std::initializer_list的秘密

先说结论&#xff0c;用std::initializer_list初始化vector&#xff0c;内部逻辑是先生成了一个临时数组&#xff0c;进行了拷贝构造&#xff0c;然后用这个数组的起终指针初始化initializer_list。然后再用initializer_list对vector进行初始化&#xff0c;这个动作又触发了拷贝…...

论文阅读笔记 —— 英文论文常见缩写及含义

正文 缩写全称含义Reference发音w.r.twith reference to关于, 根据WRT - Wikiet al.拉丁语et alia的缩写等等Et Al. | Meaning & Use in APA, MLA & Chicago–etc拉丁语et cetera的缩写等等ETC - Cambridge DictionaryWhat’s ‘etc.’ an abbreviation of (and what …...

实验9 JSP访问数据库(二)

实验9 JSP访问数据库&#xff08;二&#xff09; 目的&#xff1a; 1、熟悉JDBC的数据库访问模式。 2、掌握预处理语句的使用 实验要求&#xff1a; 1、使用Tomcat作为Web服务器 2、通过JDBC访问数据库&#xff0c;实现增删改查功能的实现 3、要求提交实验报告&#xff0c;将代…...

[c语言日寄]C语言类型转换规则详解

【作者主页】siy2333 【专栏介绍】⌈c语言日寄⌋&#xff1a;这是一个专注于C语言刷题的专栏&#xff0c;精选题目&#xff0c;搭配详细题解、拓展算法。从基础语法到复杂算法&#xff0c;题目涉及的知识点全面覆盖&#xff0c;助力你系统提升。无论你是初学者&#xff0c;还是…...

Airflow:选择合适执行器扩展任务执行

Apache Airflow是面向开发人员使用的&#xff0c;以编程方式编写、调度和监控的数据流程平台。可伸缩性是其关键特性之一&#xff0c;Airflow支持使用不同的执行器来执行任务。在本文中&#xff0c;我们将深入探讨如何利用这些执行器在Airflow中有效地扩展任务执行。 理解Airfl…...

使用冒泡排序模拟实现qsort函数

1.冒泡排序 #define _CRT_SECURE_NO_WARNINGS 1 #include <stdio.h>int main() {int arr[] { 0,2,5,3,4,8,9,7,6,1 };int sz sizeof(arr) / sizeof(arr[0]);//冒泡排序一共排序 sz-1 趟for (int i 0; i < sz - 1; i){//标志位&#xff0c;如果有序&#xff0c;直接…...

AI大模型开发原理篇-4:神经概率语言模型NPLM

神经概率语言模型&#xff08;NPLM&#xff09;概述 神经概率语言模型&#xff08;Neural Probabilistic Language Model, NPLM&#xff09; 是一种基于神经网络的语言建模方法&#xff0c;它将传统的语言模型和神经网络结合在一起&#xff0c;能够更好地捕捉语言中的复杂规律…...

Eigen::Tensor使用帮助

0 引言 用python实现了某些算法之后&#xff0c;想转成C来获取更高的性能。但是python数组的操作太灵活了&#xff0c;尤其是3维、4维、5维等高维数组&#xff0c;以及它们的广播、数组坐标、切片等机制。还有numpy的pad、where等操作更是给C转换带来了更多的麻烦。 查阅了相…...

git基础使用--3---git安装和基本使用

文章目录 git基础使用--3--git-安装和基本使用1. git工具安装1.1 git1.2 TortoiseGit1.3 远程仓2. git本地仓库版本管理2.1 git常用命令2.2 git基本操作2.2.1 设置用户名和邮箱 2.2 git基本操作2.2.1 初始化本地仓 git init2.2.2 查看本地库状态 git status2.2.3 添加暂缓区2.2…...

html的字符实体和颜色表示

在HTML中&#xff0c;颜色可以通过以下几种方式表示&#xff0c;以下是具体的示例&#xff1a; 1. 十六进制颜色代码 十六进制颜色代码以#开头&#xff0c;后面跟随6个字符&#xff0c;每两个字符分别表示红色、绿色和蓝色的强度。例如&#xff1a; • #FF0000&#xff1a;纯红…...

OpenAI发布o3-mini:免费推理模型,DeepSeek引发的反思

引言 在人工智能领域&#xff0c;OpenAI再次引领潮流&#xff0c;推出了全新的推理模型系列——o3-mini。这一系列包括low、medium和high三个版本&#xff0c;旨在进一步推动低成本推理的发展。与此同时&#xff0c;OpenAI的CEO奥特曼也在Reddit的“有问必答”活动中罕见地公开…...

Zemax 中带有体素探测器的激光谐振腔

激光谐振腔是激光系统的基本组成部分&#xff0c;在光的放大和相干激光辐射的产生中起着至关重要的作用。 激光腔由两个放置在光学谐振器两端的镜子组成。一个镜子反射率高&#xff08;后镜&#xff09;&#xff0c;而另一个镜子部分透明&#xff08;输出耦合器&#xff09;。…...

大模型训练(5):Zero Redundancy Optimizer(ZeRO零冗余优化器)

0 英文缩写 Large Language Model&#xff08;LLM&#xff09;大型语言模型Data Parallelism&#xff08;DP&#xff09;数据并行Distributed Data Parallelism&#xff08;DDP&#xff09;分布式数据并行Zero Redundancy Optimizer&#xff08;ZeRO&#xff09;零冗余优化器 …...

C# 实现 “Hello World” 教程

.NET学习资料 .NET学习资料 .NET学习资料 C# 作为一种广泛应用于.NET 开发的编程语言&#xff0c;以其简洁、高效和类型安全等特性&#xff0c;深受开发者喜爱。在踏入 C# 编程领域时&#xff0c;编写经典的 “Hello World” 程序是重要的起点&#xff0c;它能帮助我们快速熟…...

LabVIEW无线齿轮监测系统

本案例介绍了基于LabVIEW的无线齿轮监测系统设计。该系统利用LabVIEW编程语言和改进的天牛须算法优化支持向量机&#xff0c;实现了无线齿轮故障监测。通过LabVIEW软件和相关硬件&#xff0c;可以实现对齿轮箱振动信号的采集、传输和故障识别&#xff0c;集远程采集、数据库存储…...

IM 即时通讯系统-01-概览

前言 有时候希望有一个 IM 工具&#xff0c;比如日常聊天&#xff0c;或者接受报警信息。 其实主要是工作使用&#xff0c;如果是接收报警等场景&#xff0c;其实DD这种比较符合场景。 那么有没有必要再创造一个DD呢&#xff1f; 答案是如果处于个人的私有化使用&#xff0…...

【人工智能】 在本地运行 DeepSeek 模型:Ollama 安装指南

持续更新。。。。。。。。。。。。。。。 【人工智能】 在本地运行 DeepSeek 模型&#xff1a;Ollama 安装指南 安装 Ollama安装 DeepSeek 模型选择版本 &#xff0c;版本越高&#xff0c;参数越多 性能越好使用 DeepSeek 模型 安装 Ollama 访问 Ollama 官网: 前往 https://oll…...

树莓派边缘AI相机:3D打印外壳与TensorFlow Lite部署实战

1. 项目概述&#xff1a;打造一个专为边缘AI设计的“机器视觉大脑” 如果你正在捣鼓树莓派&#xff08;Raspberry Pi&#xff09;和BrainCraft HAT&#xff0c;想把机器学习模型从云端拉到设备端&#xff0c;搞点实时的图像识别、目标检测&#xff0c;那你大概率会遇到一个挺实…...

Python应用性能监控实战:New Relic探针架构与部署指南

1. 项目概述&#xff1a;一个现代应用性能管理的Python探针如果你正在用Python开发Web应用、微服务或者任何需要对外提供服务的后端系统&#xff0c;那么“性能”和“可观测性”这两个词一定不会陌生。当线上服务突然变慢、错误率飙升&#xff0c;或者用户反馈某个接口卡顿时&a…...

Flink 流处理核心算子深度剖析

一、ProcessFunction 与 MapFunction 区别 1、功能和区别 MapFunction:纯数据转换,一条进一条出,无状态、无时间、无侧输出,只能做简单映射。 ProcessFunction:全能处理,一条进可以 0/1/N 条出,支持状态、定时器、侧输出、访问时间,能实现复杂业务逻辑。 简单说:Map …...

Android AI助手开发实战:基于MVVM与OpenAI API的AnywhereGPT项目解析

1. 项目概述与核心价值最近在折腾移动端AI应用&#xff0c;发现一个挺有意思的开源项目&#xff0c;叫AnywhereGPT-Android。简单来说&#xff0c;它就是一个让你能在Android手机上&#xff0c;通过调用OpenAI的API&#xff08;比如GPT-3.5/4&#xff09;或者本地部署的模型&am…...

Wonder3D完整解决方案:从单张图片到高质量3D模型的5步实施路径

Wonder3D完整解决方案&#xff1a;从单张图片到高质量3D模型的5步实施路径 【免费下载链接】Wonder3D Single Image to 3D using Cross-Domain Diffusion for 3D Generation 项目地址: https://gitcode.com/gh_mirrors/wo/Wonder3D 面对传统3D建模复杂耗时、学习曲线陡峭…...

RAG已死?收藏这篇,小白程序员必看:上下文工程才是大模型未来!

本文探讨了围绕RAG技术的争议&#xff0c;分析了三种不同观点&#xff1a;RAG正进化为更智能的检索系统、RAG已成为核心工程学科、RAG正被长上下文和智能体取代。文章指出&#xff0c;简单的RAG已过时&#xff0c;但提供外部知识的需求依然存在&#xff0c;未来RAG将作为组件之…...

Llama 的演变:从 Llama 1 到 Llama 3.1

原文&#xff1a;towardsdatascience.com/the-evolution-of-llama-from-llama-1-to-llama-3-1-13c4ebe96258 本文与 Rafael Guedes 共同撰写。 简介 Meta 已经发布了其大型语言模型&#xff08;LLM&#xff09;Llama 的三个主要版本&#xff0c;以及一个较小的更新&#xff0…...

OpenResearcher:AI驱动的模块化科研工作流框架实践指南

1. 项目概述&#xff1a;一个为研究者量身打造的AI驱动开源工具箱最近在折腾一些研究项目&#xff0c;发现从文献调研、数据处理到论文写作&#xff0c;整个流程里重复性劳动实在太多了。每次开一个新坑&#xff0c;光是搭建基础环境、找合适的工具链就得花上半天&#xff0c;更…...

Bash脚本集成AI:实现智能运维自动化与决策增强

1. 项目概述&#xff1a;当Bash脚本遇见AI&#xff0c;自动化运维的“智能大脑”如果你和我一样&#xff0c;是个常年和Linux服务器、运维脚本打交道的“老运维”或开发者&#xff0c;那你肯定对Bash脚本又爱又恨。爱的是它的直接、高效&#xff0c;几行命令就能串联起复杂的系…...

AI智能体长期记忆架构:构建Agent Shadow Brain解决上下文限制

1. 项目概述&#xff1a;当AI智能体拥有一个“影子大脑”最近在AI智能体开发领域&#xff0c;一个名为“Agent Shadow Brain”的项目引起了我的注意。这个项目由开发者theihtisham发起&#xff0c;其核心思想是为大型语言模型驱动的智能体配备一个独立的、持续运行的“影子大脑…...