传染病控制解题报告.docVIP

传染病控制解题报告 题意简述： 给定一棵树，其根节点1是已经被感染的患者。在一个疾病传播周期内，只能切断树的一条边，然后所有被感染的节点的孩子节点也会被感染。要求一个最佳的切断边的方案，使被感染的节点数最小。 解法分析： 将被感染节点中深度最大的节点集合称之为最新传染源，设为。当经过个疾病传播周期，传染病传播的最新传染源的深度是一定的，即为（根节点1的深度为0）。因此可以得到以下动态规划算法：设表示经过X个疾病传播周期且最新传染源集合为被感染节点的最小值，那么由可以推得，其中表示集合中所有的孩子节点，是被切断边的一个深度较大的节点。似乎问题已经得到了很好的解决，但是考察一下算法的空间复杂度，达到了，这是完全不可能实现的。 鉴于空间上的问题，我们只好放弃动态规划。尝试先从简单的角度思考问题：搜索的效果会怎么样呢？分析一下问题的状态空间：题目给定的是一棵树。把题目中的树称为原树，搜索树的层数就是原树的深度，而搜索树的分叉数多少与原树的宽度有关。综合起来看，原树深度较大，宽度会较小；而原树宽度较大，深度又会较小，所以搜索树的规模没有想象中那么大。 证明了搜索是“可能”出解的，剩下的就是怎么搜的问题：在个传播周期内疾病传播达到的深度是一定的，为。如果在深度小于的位置切断边，由于已经通过它进行了传播，切断是没有意义的；如果在深度大于的位置切断边，效果肯定不如把它的祖先切断。因此最优的切断方法必须是切断与相连的边中的一条。这样搜索已经可以通过大部分数据，但是对于极限大数据还是无法出解，需要优化。 优化一：初看这道题目的时候会想到贪心。也就是每次选节点数目最大的子树删除，虽然很容易找到反例，但是我们仍然可以认为选节点数目最大的子树删除更“可能”得到最优解，因此可以按照子树节点数目从大到小删除。 优化二：最优性剪枝。设当前已经搜到了第层，有个节点已被感染，那么如果有 即可剪枝。这是因为在一个疾病传播周期内，最多只能切断树的一条边，所以在下一周期至少还有个新感染的节点。 优化三：搜索最后一两层时，由于子树的结构都相同，随便选择一个删除就可以退出了。 加入这三个优化后，程序的效率大大提高。最大官方数据在0.2s内解出。 参考程序： {$R-,Q-,S-,I-} {$M 65521,0,655360} {Author:Zhou Gelin} {Date:2005.1.11} {QQ:379688236} {MSN:zhougelin@} {Test Report} {P4 1.7G} {Windows Xp SP1} {Turbo Pascal 7.0} { EPIDEMIC.in1 = 10.0 (0.06s) EPIDEMIC.in2 = 10.0 (0.08s) EPIDEMIC.in3 = 10.0 (0.05s) EPIDEMIC.in4 = 10.0 (0.03s) EPIDEMIC.in5 = 10.0 (0.03s) EPIDEMIC.in6 = 10.0 (0.03s) EPIDEMIC.in7 = 10.0 (0.06s) EPIDEMIC.in8 = 10.0 (0.03s) EPIDEMIC.in9 = 10.0 (0.20s) EPIDEMIC.in0 = 10.0 (0.11s) } program epidemic; const inputfilename=epidemic.in; outputfilename=epidemic.out; maxn=300; type pnode=^node; node=record data:integer; next:pnode; end; list=array[1..maxn]of integer; var n,p,maxdep,ans:integer; g:array[1..maxn]of pnode; father:array[1..maxn]of integer; dep:array[1..maxn]of integer; sum:array[1..maxn]of integer; deg:array[1..maxn]of integer; son:array[1..maxn]of ^list; a:array[1..maxn]of boolean; procedure insert(a,b:integer); var q:pnode; begin new(q); q^.data:=b; q^.next:=g[a]; g[a]:=q; end; procedure read_data