Hdu 1285 确定比赛名次(拓扑排序)

拓扑排序算法详解
本文详细介绍了拓扑排序算法的基本原理及其应用场景,包括两种实现方式:广度优先拓扑排序和优先队列拓扑排序。通过实例展示了如何解决比赛队伍排名问题。

Description

有N个比赛队(1<=N<=500),编号依次为1,2,3,。。。。,N进行比赛,比赛结束后,裁判委员会要将所有参赛队伍从前往后依次排名,但现在裁判委员会不能直接获得每个队的比赛成绩,只知道每场比赛的结果,即P1赢P2,用P1,P2表示,排名时P1在P2之前。现在请你编程序确定排名。 
 

Input

输入有若干组,每组中的第一行为二个数N(1<=N<=500),M;其中N表示队伍的个数,M表示接着有M行的输入数据。接下来的M行数据中,每行也有两个整数P1,P2表示即P1队赢了P2队。 
 

Output

给出一个符合要求的排名。输出时队伍号之间有空格,最后一名后面没有空格。 

其他说明:符合条件的排名可能不是唯一的,此时要求输出时编号小的队伍在前;输入数据保证是正确的,即输入数据确保一定能有一个符合要求的排名。 
 

Sample Input

4 3 1 2 2 3 4 3
 

Sample Output

1 2 4 3


这题为:典型的拓扑排序算法(邻接阵形式),可以作为拓扑排序的模板

 一种拓扑排序算法。
 
 该算法是简单而直观的,实质上属于广度优先遍历,因此称为广度优先拓扑排序算法。该算法包含下列几个步骤:

[1] 从有向图中找一个没有前趋的结点v,若v不存在,则表明不可进行拓扑排序(图中有环路),结束(不完全成功);         
[2] 将v输出;
[3] 将v从图中删除,同时删除关联于v的所有的边
[4] 若图中全部结点均已输出,则结束(成功),否则转[1]继续进行。


留下一组数据:

input

6 11
5 3
5 3
5 1
5 4
5 2
3 1
3 2
6 4
6 2
4 2
4 2
output

5 3 1 6 4 2


#include <stdio.h>
#include <string.h>
using namespace std;
int n,m;
const int N = 510;
int grid[N][N];
int deg[N];
int topo[N];
void toposort() {
	for(int i = 1; i <= n; i++) {
		for(int j = 1; j <= n; j++) {
			if(grid[i][j]) {
				deg[j]++;
			}
		}
	}
	int k;
	for(int i = 1; i <= n; i++) {
		//找到第一个度数为0的节点
		k = 1;
		while(deg[k] != 0) {
			k++;
		}
		topo[i] = k;
		deg[k] = -1;
		for(int j = 1; j <= n; j++) { //查找与该点联通的节点,并标志位0
			if(grid[k][j]) {
				deg[j]--;
			}
		}
	}
}

int main() {
	int u,v;
	while( scanf("%d%d",&n,&m) != EOF) {
		memset(grid,0,sizeof(grid));
		memset(deg,0,sizeof(deg));
		memset(topo,0,sizeof(topo));
		for(int i = 1; i <= m; i++) {
			scanf("%d%d",&u,&v);
			grid[u][v] = 1;
		}
		toposort();
		for(int i = 1; i <= n-1; i++) {
			printf("%d ",topo[i]);
		}
		printf("%d\n",topo[n]);
	}
	return 0;
}


最近学习了,一种优先队列的拓扑排序,感觉更好写

#include <cstdio>
#include <cstring>
#include <vector>
#include <queue>
using namespace std;
const int N = 510;
int n, m, indeg[N], order[N];
vector<int> g[N];
void init() {
	memset(indeg, 0, sizeof(indeg));
	for(int i = 0; i < N; i++)
		g[i].clear();
}

void add(int from, int to) {
	g[from].push_back(to);
}

void bfs() {
	priority_queue<int, vector<int>, greater<int>> que;
	for(int i = 1; i <= n; i++) {
		if(indeg[i] == 0) {
			que.push(i);
		}
	}
	int cnt = 0;
	while(!que.empty()) {
		int u = que.top();
		que.pop();
		order[cnt++] = u;
		for(int i = 0; i < g[u].size(); i++) {
			int v = g[u][i];
			indeg[v]--;
			if(indeg[v] == 0)
				que.push(v);
		}
	}
	printf("%d", order[0]);
	for(int i = 1; i < n; i++) {
		printf(" %d", order[i]);
	}
	puts("");
	return ;
}

int main() {
	while(scanf("%d%d", &n, &m) != EOF) {
		init();
		int u, v;
		while(m--) {
			scanf("%d%d", &u, &v);
			add(u, v);
			indeg[v]++;
		}
		bfs();
	}
	return 0;
}


本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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