新闻详情

新闻详情

首页 / 资讯中心 / 详情

C++课后习题训练记录Day144

发布时间:2026/10/29 2:07:19来源:尧图网络
C++课后习题训练记录Day144
1.练习项目 问题描述小明是蓝桥王国的王子今天是他登基之日。在即将成为国王之前老国王给他出了道题他想要考验小明是否有能力管理国家。题目的内容如下蓝桥王国一共有 N 个建筑和 M 条单向道路每条道路都连接着两个建筑每个建筑都有自己编号分别为 1∼N 。其中皇宫的编号为 1国王想让小明回答从皇宫到每个建筑的最短路径是多少但紧张的小明此时已经无法思考请你编写程序帮助小明回答国王的考核。输入描述输入第一行包含两个正整数 N,M。第 2 到 M1 行每行包含三个正整数 u,v,w表示 u→v 之间存在一条距离为 w 的路。1≤N≤3×1051≤m≤1061≤ui,vi≤N0≤wi≤109。输出描述输出仅一行共 N 个数分别表示从皇宫到编号为 1∼N 建筑的最短距离两两之间用空格隔开。如果无法到达则输出 −12.选择课程在蓝桥云课中选择题库选择题号1122并开始练习。3.开始练习1源码 #includebits/stdc.husing namespace std;using ll long long;const ll N 3e510;const ll inf 2e18;struct Node{ll x,w;bool operator (const Node u)const{return wu.w?xu.x:wu.w;}};vectorNodeg[N];ll d[N];int n,m;void dijstra(int st){for(int i1;in;i)d[i]inf;bitsetNvis;priority_queueNodepq;pq.push({st,d[st]0});while(pq.size()){int xpq.top().x;int wpq.top().w;pq.pop();if(vis[x])continue;vis[x]true;//拓展for(const auto [y,dw]:g[x]){if(d[x]dwd[y]){d[y]d[x]dw;pq.push({y,d[y]});}}}}int main(){ios::sync_with_stdio(0),cin.tie(0),cout.tie(0);cinnm;while(m--){int x,y,w;cinxyw;g[x].push_back({y,w});}dijstra(1);for(int i1;in;i){cout(d[i]inf?-1:d[i]) ;}return 0;}2检验结果对此代码进行检验检验后无报错提交此代码判题结果为正确100分。3练习心得注意每段代码末尾的分号是否存在 如不存在则需即使补充输入法 是否切换 为英语模式语法是否错误。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/10/28 16:06:12

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/10/28 13:44:36

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/10/28 6:32:58

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/10/28 16:06:11

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/10/28 11:07:30

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/10/28 16:06:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉