蓝桥杯(聪明的猴子)克鲁斯卡尔算法最小生成树

简介: 蓝桥杯(聪明的猴子)克鲁斯卡尔算法最小生成树

题目描述
在一个热带雨林中生存着一群猴子,它们以树上的果子为生。昨天下了一场大雨,现在雨过天晴,但整个雨林的地表还是被大水淹没着,部分植物的树冠露在水面上。猴子不会游泳,但跳跃能力比较强,它们仍然可以在露出水面的不同树冠上来回穿梭,以找到喜欢吃的果实。

现在,在这个地区露出水面的有 N 棵树,假设每棵树本身的直径都很小,可以忽略不计。我们在这块区域上建立直角坐标系,则每一棵树的位置由其所对应的坐标表示(任意两棵树的坐标都不相同)。

在这个地区住着的猴子有 M 个,下雨时,它们都躲到了茂密高大的树冠中,没有被大水冲走。由于各个猴子的年龄不同、身体素质不同,它们跳跃的能力不同。有的猴子跳跃的距离比较远(当然也可以跳到较近的树上),而有些猴子跳跃的距离就比较近。这些猴子非常聪明,它们通过目测就可以准确地判断出自己能否跳到对面的树上。

现已知猴子的数量及每一个猴子的最大跳跃距离,还知道露出水面的每一棵树的坐标,你的任务是统计有多少个猴子可以在这个地区露出水面的所有树冠上觅食。

输入描述
第 1 行为一个整数,表示猴子的个数 (2≤M≤500);

第 2 行为 M 个整数,依次表示猴子的最大跳跃距离(每个整数值在 1∼1000之间);

第 3 行为一个整数表示树的总棵数 (2≤N≤1000);

第 4 行至第 N+3 行为 N 棵树的坐标(横纵坐标均为整数,范围为:−1000∼1000)。

(同一行的整数间用空格分开)

输出描述
输出一个整数,表示可以在这个地区的所有树冠上觅食的猴子数。

输入输出样例
示例 1

输入

4
1 2 3 4
6
0 0
1 0
1 2
-1 -1
-2 0
2 2

输出

3

运行限制
语言 最大运行时间 最大运行内存
C++ 1s 256M
C 1s 256M
Java 2s 256M
Python3 3s 256M
题目思路:

    首先读完题目就知道他要求的是最小生成树,通过最小生成树可以得到各个联通点之间的距离,找到最大距离我们就可以和那些猴子的跳远距离比较,如果比他小则可以通过



    我们还需要知道每两个点之间的距离,可以用公式sqrt((x1-x2)^2+(y1-y2)^2) 求出距离,把这些所求的距离放入一个类中保存,后期比较还需要用

    最后我们生成最小生成树来比较就可以了

看看代码:

import java.util.Arrays;
import java.util.Comparator;
import java.util.Scanner;

public class 聪明的猴子 {

public static void main(String[] args) {
    // TODO Auto-generated method stub
    Scanner sc = new Scanner(System.in);
    int m = sc.nextInt();// 猴子的个数
    int[] a = new int[m];// 每只猴子的跳跃距离
    for (int i = 0; i < m; i++) {
        a[i] = sc.nextInt();
    }
    int n = sc.nextInt();// 树的个数
    Tree[] p = new Tree[n];
    Treedata[] q = new Treedata[((n - 1) * n / 2)];
    Treedata[] mintree = new Treedata[n - 1];
    int k = 0;
    int t = n;
    while (t > 0) {
        int x = sc.nextInt();
        int y = sc.nextInt();
        p[k] = new Tree(k, x, y);
        k++;
        t--;
    }
    k = 0;
    for (int i = 0; i < p.length; i++) {
        for (int j = i + 1; j < p.length; j++) {
            q[k] = new Treedata(p[i].id, p[j].id,
                    Math.sqrt(Math.pow(p[j].x - p[i].x, 2) + Math.pow(p[j].y - p[i].y, 2)));
            k++;
        }
    }

// for (int i = 0; i < k; i++) {
// System.out.println(q[i].x + " " + q[i].y + " " + q[i].dis);
// }

    int[] d = new int[n];

    for (int i = 0; i < n; i++) {
        d[i] = i;
    }

    Arrays.sort(q, new Comparator<Treedata>() {

        @Override
        public int compare(Treedata o1, Treedata o2) {
            // TODO Auto-generated method stub
            return new Double(o1.dis).compareTo(new Double(o2.dis));
        }
    });

// for (int i = 0; i < k; i++) {
// System.out.println(q[i].x + " " + q[i].y + " " + q[i].dis);
// }

    int num = 0;
    for (int i = 0; i < k; i++) {
        int initial = q[i].x;
        int end = q[i].y;
        if (d[initial] != d[end]) {
            mintree[num] = q[i];
            num++;
            int elem = d[end];
            for (int j = 0; j < n; j++) {
                if (d[j] == elem) {
                    d[j] = d[initial];
                }
            }
        }
        if (num == n - 1) {
            break;
        }
    }

// for (int i = 0; i < n - 1; i++) {
// System.out.println(mintree[i].x + " " + mintree[i].y + " " + mintree[i].dis);
// }

    double max = 0;
    for (int i = 0; i < n - 1; i++) {
        max = Math.max(mintree[i].dis, max);
    }

// System.out.println((int) Math.ceil(max));

    int count = 0;
    for (int i = 0; i < m; i++) {
        if (a[i] >= (int) Math.ceil(max)) {
            count++;
        }
    }
    System.out.println(count);
}

}

//树类
class Tree {

public int id;
public int x;
public int y;

public Tree(int id, int x, int y) {
    this.id = id;
    this.x = x;
    this.y = y;
}

}

class Treedata implements Comparable {

public int x;
public int y;
public double dis;

public Treedata(int x, int y, double dis) {
    this.x = x;
    this.y = y;
    this.dis = dis;
}

@Override
public int compareTo(Treedata o) {
    // TODO Auto-generated method stub
    return 0;
}

}

目录
相关文章
|
机器学习/深度学习 算法 数据挖掘
算法金 | 欧氏距离算法、余弦相似度、汉明、曼哈顿、切比雪夫、闵可夫斯基、雅卡尔指数、半正矢、Sørensen-Dice
**摘要:** 了解9种距离和相似度算法:欧氏距离、余弦相似度、汉明距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、雅卡尔指数、半正矢距离和Sørensen-Dice系数。这些算法在机器学习、文本分析、图像处理和生物学等领域各有应用。例如,欧氏距离用于KNN和K-Means,余弦相似度用于文本相似性,汉明距离在错误检测中,曼哈顿距离在数据挖掘,切比雪夫距离在棋盘游戏,闵可夫斯基距离通过调整参数适应不同场景,雅卡尔指数和Sørensen-Dice系数用于集合相似度。每种算法有其优缺点,如欧氏距离对异常值敏感,余弦相似度忽略数值大小,汉明距离仅适用于等长数据。
930 2
算法金 | 欧氏距离算法、余弦相似度、汉明、曼哈顿、切比雪夫、闵可夫斯基、雅卡尔指数、半正矢、Sørensen-Dice
|
监控 算法
转:克鲁斯卡尔算法在文档管理软件中应用使其更加高效
克鲁斯卡尔算法是一种用于解决最小生成树问题的贪心算法。在文档管理软件中,可以将网络节点之间的连接关系抽象为一张图,然后使用克鲁斯卡尔算法来寻找最小生成树,即最小的连接所有节点的路径。
256 0
|
存储 算法 搜索推荐
克鲁斯卡尔算法
克鲁斯卡尔算法
|
存储 算法 数据可视化
转:电子文档管理系统中应用克鲁斯卡尔算法有什么作用
克鲁斯卡尔算法是一种求解最小生成树问题的算法,其在电子文档管理系统中可以用于优化文档的管理和存储。
293 0
|
存储 算法 数据可视化
转:克鲁斯卡尔算法在电子文档管理系统中的应用
克鲁斯卡尔算法能够找到连接所有节点的最小生成树,从而找到最优解。在电子文档管理系统中,这意味着可以通过算法找到最佳的文档组织方式,提高文档检索的效率和精度。
495 0
|
监控 算法
转:克鲁斯卡尔算法在电脑监控软件中的应用
在电脑监控软件中,使用克鲁斯卡尔算法可以帮助管理员更好地了解整个网络的拓扑结构,找出网络中潜在的问题和风险点。
506 0
|
算法
Kruskal算法(克鲁斯卡尔)最小生成树
Kruskal算法(克鲁斯卡尔)最小生成树
491 0
|
9月前
|
机器学习/深度学习 算法 机器人
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
408 8
|
9月前
|
机器学习/深度学习 算法 自动驾驶
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
466 8
|
9月前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
787 0

热门文章

最新文章