博客
关于我
DP/数论 - 树形DP - 数字转换
阅读量:369 次
发布时间:2019-03-04

本文共 1266 字,大约阅读时间需要 4 分钟。

为了解决这个问题,我们需要构建一个树结构,其中每个数 x 都与其约数之和 sum[x] 相连(前提是 sum[x] < x)。然后,我们需要找到这个树中最长路径的长度。

方法思路

  • 计算约数之和:对于每个数 x,计算其所有约数之和 sum[x]。我们可以使用高效的方法来计算这个值,例如反向遍历的方法。
  • 构建邻接表:根据 sum[x] < x 的条件,构建每个数 x 的邻接表。
  • 深度优先搜索 (DFS):从数 1 出发,进行一次 DFS,找到从 1 出发的最长路径。由于所有数都连接到 1 的连通块,这个路径很可能是整个图的最长路径。
  • 解决代码

    import sysfrom collections import dequedef main():    sys.setrecursionlimit(1 << 25)    n = int(sys.stdin.readline())    sum_num = [0] * (n + 1)    for i in range(1, n + 1):        for j in range(2, n // i + 1):            sum_num[i * j] += i    adj = [[] for _ in range(n + 1)]    for x in range(1, n + 1):        s = sum_num[x]        if s < x and s <= n:            adj[x].append(s)            adj[s].append(x)    visited = [False] * (n + 1)    max_path = 0    q = deque()    q.append((1, 0))    visited[1] = True    while q:        u, d = q.popleft()        if d > max_path:            max_path = d        for v in adj[u]:            if not visited[v]:                visited[v] = True                q.append((v, d + 1))    print(max_path)if __name__ == "__main__":    main()

    代码解释

  • 计算约数之和:使用双重循环遍历每个数 i 和其倍数 j,累加 i 到 sum_num[j] 中。
  • 构建邻接表:根据 sum_num[x] < x 的条件,构建每个数 x 的邻接表。
  • 广度优先搜索 (BFS):从数 1 开始,使用 BFS 遍历图,记录每个节点的访问状态,并计算最长路径的长度。
  • 这种方法高效地处理了约数之和的计算,并通过 BFS 确保找到最长路径。代码能够在较大的 n 值下高效运行,满足题目要求。

    转载地址:http://epor.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
    查看>>
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
    查看>>
    OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
    查看>>
    OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
    查看>>
    OpenCV与AI深度学习 | 什么是 COCO 数据集?
    查看>>
    OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
    查看>>
    OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
    查看>>
    OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
    查看>>
    OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>