tarjan算法的补充POJ2533tarjan求度

本文深入讲解了基于深度优先搜索(DFS)的Tarjan算法,详细解释了四种边的概念及其作用,并给出了具体的实现代码,帮助读者更好地理解算法原理及其实现细节。

做题时又遇到了疑惑,说明一开始就没有完全理解

基于dfs的tarjan,搜索时会有四种边

树枝边:DFS 时经过的边,即 DFS 搜索树上的边
前向边:与 DFS 方向一致,从某个结点指向其某个子孙的边
后向边:与 DFS 方向相反,从某个结点指向其某个祖先的边
横叉边:从某个结点指向搜索树中另一子树中的某结点的边

Low(u)为 u 或 u 的子树( 经过最多一条后向边或栈中横叉边) 能够回溯到的最早的栈中结点的次序号。

Low(u)=Min
{
DFN(u),
Low(v),(u,v)为树枝边, u 为 v 的父结点
DFN(v),(u,v)为后向边或指向栈中结点的横叉边
}

所以做更新时要判断边的类别

这篇博客讲的很棒了

https://blog.youkuaiyun.com/qianguch/article/details/54710272

所以我在做这道题目的时候,对栈内栈外的没有考虑,所以出错了

#include <iostream>
#include <cstdio>
#include <string.h>
#define inf (1 << 30)

using namespace std;
const int maxn = 5500;
const int maxm = 50500;
struct node{
    int to,pre;
}e[maxm];
int dfn[maxn],low[maxn];
int color[maxn],col;
int id[maxn],cnt;
int idx;
int stk[maxn],s_cnt;
int n,m;
int out[maxn];
bool instk[maxn];
void init()
{
    memset(id,-1,sizeof(id));
    memset(dfn,0,sizeof(dfn));
    memset(low,0,sizeof(low));
    memset(color,0,sizeof(color));
    memset(out,0,sizeof(out));
    memset(instk,0,sizeof(instk));
    col = idx = cnt = s_cnt = 0;
}

void add(int u,int v)
{
    e[cnt].to = v;
    e[cnt].pre = id[u];
    id[u] = cnt++;
}

void tarjan(int u,int fa)
{
    dfn[u] = low[u] = ++idx;
    stk[s_cnt++] = u;
    instk[u] = 1;

    for(int i = id[u];~i;i = e[i].pre)
    {
        int v = e[i].to;
        if(!dfn[v])
        {
            tarjan(v,u);
            low[u] = min(low[u],low[v]);
        }
        else if(instk[v])//此时表示已经更新过了
        {
            low[u] = min(low[u],dfn[v]);
        }
    }
    if(dfn[u] == low[u])
    {
        col++;
        while(s_cnt > 0 && stk[s_cnt] != u)
        {
            --s_cnt;
            color[stk[s_cnt]] = col;
            instk[stk[s_cnt]] = 0;
        }
    }
}

int main()
{
    int u,v;
    while(~scanf("%d",&n),n)
    {
        scanf("%d",&m);
        init();
        for(int i = 1;i <= m;i++)
        {
            scanf("%d%d",&u,&v);
            add(u,v);
        }

        for(int i = 1;i <= n;i++)
        {
            if(!dfn[i])
                tarjan(i,-1);
        }

        for(int i = 1;i <= n;i++)
        {
            for(int j = id[i];~j;j = e[j].pre)
            {
                int to = e[j].to;
                if(color[i] != color[to])
                {
                    ++out[color[i]];
                }
            }
        }
        bool flag = 1;
        for(int i = 1;i <= n;i++)
        {
            if(!out[color[i]])
            {
                if(flag)
                    printf("%d",i),flag = 0;
                else
                    printf(" %d",i);
            }
        }
        printf("\n");
    }
    return 0;
}

 

考虑柔性负荷的综合能源系统低碳经济优化调【考虑碳交易机制】(Matlab代码实现)内容概要:本文围绕“考虑柔性负荷的综合能源系统低碳经济优化调”展开,重点研究在碳交易机制下如何实现综合能源系统的低碳化与经济性协同优化。通过构建包含风电、光伏、储能、柔性负荷等多种能源形式的系统模型,结合碳交易成本与能源调成本,提出优化调策略,以降低碳排放并提升系统运行经济性。文中采用Matlab进行仿真代码实现,验证了所提模型在平衡能源供需、平抑可再生能源波动、引导柔性负荷参与调等方面的有效性,为低碳能源系统的设计与运行提供了技术支撑。; 适合人群:具备一定电力系统、能源系统背景,熟悉Matlab编程,从事能源优化、低碳调、综合能源系统等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究碳交易机制对综合能源系统调决策的影响;②实现柔性负荷在削峰填谷、促进可再生能源消纳中的作用;③掌握基于Matlab的能源系统建模与优化解方法;④为实际综合能源项目提供低碳经济调方案参考。; 阅读建议:建议读者结合Matlab代码深入理解模型构建与解过程,重点关注目标函数设计、约束条件设置及碳交易成本的量化方式,可进一步扩展至多能互补、需响应等场景进行二次开发与仿真验证。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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