【USACO08DEC】在农场万圣节Trick or Treat on the Farm(缩点+记忆化搜索)

其实就是一张图 可知每个点出度为一

由于有环 所以把整个图缩点后会好做得多

在缩点后 每个强联通分量的出度至多为一。

然后我们dfs 直接搜很危险 考虑记忆化 设ans[i]代表第i个强连通分量的答案就好了

详见代码

// luogu-judger-enable-o2
#include<bits/stdc++.h>
#define N 100005
using namespace std;
struct node
{
    int to,next;
}edge[2*N];
int n,nxt[N],first[N],tot,dfn[N],low[N],num,sign,belong[N],out[N],size[N],ans[N];
inline void addedge(int x,int y)
{
    tot++;
    edge[tot].to=y;
    edge[tot].next=first[x];
    first[x]=tot;
}
stack <int> sta;
bool insta[N];
void dfs1(int now)
{
    sta.push(now);
    dfn[now]=low[now]=++sign;
    insta[now]=true;
    for(int u=first[now];u;u=edge[u].next)
    {
        int vis=edge[u].to;
        if(!dfn[vis])
        {
            dfs1(vis);
            low[now]=min(low[now],low[vis]);
        }
        else if(insta[vis]) low[now]=min(low[now],dfn[vis]);
    }
    if(low[now]==dfn[now])
    {
        int temp;
        num++;
        do
        {
            size[num]++;
            temp=sta.top();
            insta[temp]=false;
            belong[temp]=num;
            sta.pop();
        }while(temp!=now);
    }
}
int dfs2(int now)
{
    if(ans[now]||!now)  return ans[now];
    return ans[now]=dfs2(out[now])+size[now];
}
int main()
{
    cin>>n;
    for(int i=1;i<=n;i++)
    {
        cin>>nxt[i];
        addedge(i,nxt[i]);
    }
    for(int i=1;i<=n;i++)   if(!dfn[i]) dfs1(i);
    for(int i=1;i<=n;i++)
    {
        if(belong[i]!=belong[nxt[i]])   out[belong[i]]=belong[nxt[i]];  //每个点出度为1 
    }
    for(int i=1;i<=n;i++)
    {
        dfs2(belong[i]);
    }
    for(int i=1;i<=n;i++)   cout<<ans[belong[i]]<<'\n';
    return 0;
}

转载于:https://www.cnblogs.com/Patrickpwq/articles/9807292.html

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值