POJ 2594 浅谈可相交的二分图DAG最小路径覆盖

探讨了一种特殊的最小路径覆盖问题——可相交的DAG最小路径覆盖。通过构造二分图并利用闭包传递补全的方法,将原问题转化为最大匹配问题,最终求得最少机器人数量。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

这里写图片描述
世界真的很大
最小路径覆盖的问题还算讨论过比较多次了
这个算是最小路径覆盖问题的一个变种,额外处理DAG中可以相交的情况
所以说啊,图论的东西的变形和建模实在是太多了。。

看题先:

description:

求DAG的最小可相交路径覆盖

input:

The input will consist of several test cases. For each test case, two integers N (1 <= N <= 500) and M (0 <= M <= 5000) are given in the first line, indicating the number of points and the number of one-way roads in the graph respectively. Each of the following M lines contains two different integers A and B, indicating there is a one-way from A to B (0 < A, B <= N). The input is terminated by a single line with two zeros.

output:

For each test of the input, print a line containing the least robots needed.

对于普通的“不可相交的”最小路径覆盖,我们的方法是使得每一个点额外建一个虚点,然后映射其连边。
假设一开始有n条路径(n个点),每有一个匹配就相当于可以把两个点连在一起,就会少一条边,求得的最大匹配就是最多可以少多少条边。。

可以这样做的基本原理是,每一条路径是不相交的,就是说每一个点只会属于一条路径,能为答案提供的贡献最多也只有-1
但是如果是“可以相交”就不同了,一个点可以同时在多条路径上,即可以为多条路径提供贡献
二分图能处理的匹配最大也只有1,这没有办法

那我们只能转化思路,可以看一下这篇博客
感性理解一下的话,大概就是把本来不能直接连在一起的点连在一起,把交点的贡献分散化,分散到另外两个一开始不连在一起的点上

作为结论则需要记住可相交的二分图DAG最小路径覆盖等于闭包传递补全后的图的不可交最大路径匹配

完整代码:

#include<stdio.h>
#include<cstring>
using namespace std;

struct edge
{
    int v,last;
}ed[400010];

int n,m,ans=0,tot=0,num=0;
int head[20010],book[20010],match[20010],mp[510][510];

void add(int u,int v)
{
    num++;
    ed[num].v=v;
    ed[num].last=head[u];
    head[u]=num;
}

int dfs(int u)
{
    for(int i=head[u];i;i=ed[i].last)
    {
        int v=ed[i].v;
        if(book[v]!=tot)
        {
            book[v]=tot;
            if(!match[v] || dfs(match[v]))
            {
                match[u]=v,match[v]=u;
                return 1;
            }
        }
    }
    return 0;
}

void init()
{
    memset(book,0,sizeof(book));
    memset(match,0,sizeof(match));
    memset(head,0,sizeof(head));
    memset(mp,0,sizeof(mp));
    num=tot=ans=0;
}

int main()
{
    while(1)
    {
        init();
        scanf("%d%d",&n,&m);
        if(!n) break ;
        for(int i=1;i<=m;i++)
        {
            int u,v;
            scanf("%d%d",&u,&v);
            mp[u][v]=1;
        }
        for(int k=1;k<=n;k++)
            for(int i=1;i<=n;i++)
                for(int j=1;j<=n;j++)
                    if(mp[i][k] && mp[k][j]) mp[i][j]=1;
        for(int i=1;i<=n;i++)
            for(int j=1;j<=n;j++)
            {
                if(i==j || !mp[i][j]) continue ;
                add(i+n,j),add(j,i+n);
            }
        for(int i=1;i<=2*n;i++)
        {
            tot++;
            if(!match[i]) ans+=dfs(i);
        }
        printf("%d\n",n-ans);
    }
    return 0;
}
/*
EL PSY CONGROO
*/

嗯,就是这样

### 关于二分图最小顶点覆盖的算法实现 #### 1. 最小顶点覆盖的概念 最小顶点覆盖是指在一个二分图中选取尽可能少的节点,使得这些节点能够覆盖所有的边。换句话说,对于每一条边 (u, v),至少有一个端点 u 或 v 被选入覆盖集中。 根据 König 定理,在任意无向二分图中,最小顶点覆盖的数量等于该图的最大匹配数量[^1]。 --- #### 2. 算法原理 为了求解二分图最小顶点覆盖,通常采用 **匈牙利算法** 来计算最大匹配数。具体过程如下: - 构建一个二分图 G(X,Y,E),其中 X 和 Y 是两个互不相交的节点集合,E 表示连接它们的边。 - 使用匈牙利算法找到二分图的最大匹配 M。 - 基于最大匹配的结果,通过以下方式构造最小顶点覆盖: - 将左侧未被匹配的节点加入到覆盖集中; - 对右侧已被匹配的节点也加入到覆盖集中。 最终得到的覆盖集大小即为最小顶点覆盖的数量[^2]。 --- #### 3. 实现代码 以下是基于 Python 的实现代码,利用匈牙利算法完成二分图最小顶点覆盖的计算: ```python from collections import defaultdict def hungarian_algorithm(graph, n, m): """ 匈牙利算法用于寻找二分图的最大匹配 :param graph: 邻接表表示的二分图 {X -> [Y]} :param n: 左侧节点数目 :param m: 右侧节点数目 :return: 最大匹配结果 """ match_y = [-1] * m # 记录右侧节点对应的匹配关系 visited = None # 当前轮次访问标记 def dfs(u): for v in graph[u]: if not visited[v]: visited[v] = True if match_y[v] == -1 or dfs(match_y[v]): match_y[v] = u return True return False matching_count = 0 for i in range(n): visited = [False] * m if dfs(i): matching_count += 1 return matching_count, match_y def min_vertex_cover(graph, n, m): """ 求解二分图最小顶点覆盖 :param graph: 邻接表表示的二分图 {X -> [Y]} :param n: 左侧节点数目 :param m: 右侧节点数目 :return: 最小顶点覆盖集合 """ max_matching, match_y = hungarian_algorithm(graph, n, m) cover_x = set() # 左侧需要覆盖的节点 cover_y = set() # 右侧需要覆盖的节点 unmatched_in_x = set(range(n)) # 初始认为所有左侧节点都未匹配 matched_in_y = set() for y in range(m): # 找出右侧已匹配的节点 if match_y[y] != -1: unmatched_in_x.discard(match_y[y]) # 如果某个左侧节点参与了匹配,则移除 matched_in_y.add(y) cover_x.update(unmatched_in_x) # 添加左侧未匹配的节点 cover_y.update(set(range(m)) - matched_in_y) # 添加右侧未匹配的节点 return list(cover_x), list(cover_y) # 测试用例 if __name__ == "__main__": # 输入邻接表形式的二分图 graph = { 0: [0, 1], 1: [0, 2], 2: [1, 3] } n = 3 # 左侧节点数 m = 4 # 右侧节点数 result_x, result_y = min_vertex_cover(graph, n, m) print(f"左侧需覆盖的节点: {result_x}") print(f"右侧需覆盖的节点: {result_y}") ``` 上述代码实现了二分图最小顶点覆盖功能,核心部分依赖匈牙利算法来获取最大匹配,并据此推导出覆盖所需的节点集合[^3]。 --- #### 4. 应用实例 考虑 POJ 3041 Asteroids 这道题目,其本质是一个二分图最小顶点覆盖问题。给定一组障碍物坐标,将其转化为二分图模型后,可以通过以上方法高效解决。最终输出的是满足条件的最小射击次数[^4]。 ---
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