UVa247: Calling Circles 题解

本文介绍了一种使用Tarjan算法寻找强连通分量的方法,并通过一个具体的C++实现示例来展示其工作原理。该算法在图论中有着广泛的应用,尤其是在处理复杂网络结构时能够有效地找出所有强连通分量。

有很多算法是用floyd求传递闭包

但感觉裸的tarjan效率更高

#include <cstdio>
#include <iostream>
#include <cstring>
#include <string>
#include <cmath>
#include <algorithm>
#include <cstdlib>
#include <utility>
#include <map>
#include <stack>
#include <set>
#include <vector>
#include <queue>
#include <deque>
#include <sstream>
#define x first
#define y second
#define mp make_pair
#define pb push_back
#define LL long long
#define Pair pair<int,int>
#define LOWBIT(x) x & (-x)
using namespace std;

const int MOD=1e9+7;
const int INF=0x7ffffff;
const int magic=348;

struct node
{
	int indexx;
	int lowlink;
}v[148];

vector<int> edge[148];

int indexx;
map<Pair,bool> judge;
map<string,int> m;
map<int,string> name;
int n,e,tot;
stack<int> sta;
bool visited[148]; 

void tarjan(int cur)
{
	visited[cur]=true;
	sta.push(cur);
	v[cur].indexx=v[cur].lowlink=++indexx;
	int i,x;
	for (i=0;i<edge[cur].size();i++)
	{
		x=edge[cur][i];
		if (v[x].indexx==0)
		{
			tarjan(x);
			v[cur].lowlink=min(v[cur].lowlink,v[x].lowlink);
		}
		else
		{
			if (visited[x]) v[cur].lowlink=min(v[cur].lowlink,v[x].indexx);
		}
	}
	if (v[cur].indexx==v[cur].lowlink)
	{
		do
		{
			x=sta.top();sta.pop();
			cout<<name[x];
			visited[x]=false;
			if (x!=cur) printf(", ");
		}
		while (cur!=x);
		printf("\n");
	}
}

int main ()
{
	int i,ca=0;string s1,s2;
	while (scanf("%d%d",&n,&e) && (n || e))
	{
		//if (ca) printf("\n");
		m.clear();name.clear();tot=0;indexx=0;//judge.clear();
		for (i=1;i<=n;i++) edge[i].clear();
		for (i=1;i<=n;i++) v[i].indexx=v[i].lowlink=0;
		for (i=1;i<=n;i++) visited[i]=false;
		for (i=1;i<=e;i++)
		{
			cin>>s1>>s2;
			if (!m[s1])
			{
				m[s1]=++tot;
				name[tot]=s1;
			}
			if (!m[s2])
			{
				m[s2]=++tot;
				name[tot]=s2;
			}
			//if (judge[mp(m[s1],m[s2])]) continue;
			edge[m[s1]].pb(m[s2]);
			//judge[mp(m[s1],m[s2])]=true;
		}
		printf("Calling circles for data set %d:\n",++ca);
		for (i=1;i<=n;i++)
			if (!v[i].indexx) tarjan(i);
	}
	return 0;
}


【3D应力敏感度分析拓扑优化】【基于p-范数全局应力衡量的3D敏感度分析】基于伴随方法的有限元分析和p-范数应力敏感度分析(Matlab代码实现)内容概要:本文档介绍了基于伴随方法的有限元分析与p-范数全局应力衡量的3D应力敏感度分析,并结合拓扑优化技术,提供了完整的Matlab代码实现方案。该方法通过有限元建模计算结构在载荷作用下的应力分布,采用p-范数对全局应力进行有效聚合,避免传统方法中应力约束过多的问题,进而利用伴随法高效解设计变量对应力的敏感度,为结构优化提供关键梯度信息。整个流程涵盖了从有限元分析、应力评估到敏感度计算的核心环节,适用于复杂三维结构的轻量化与高强度设计。; 适合人群:具备有限元分析基础、拓扑优化背景及Matlab编程能力的研究生、科研人员与工程技术人员,尤其适合从事结构设计、力学仿真与多学科优化的相关从业者; 使用场景及目标:①用于实现高精度三维结构的应力约束拓扑优化;②帮助理解伴随法在敏感度分析中的应用原理与编程实现;③服务于科研复现、论文写作与工程项目中的结构性能提升需; 阅读建议:建议读者结合有限元理论与优化算法知识,逐步调试Matlab代码,重点关注伴随方程的构建与p-范数的数值处理技巧,以深入掌握方法本质并实现个性化拓展。
下载前必看:https://pan.quark.cn/s/9f13b242f4b9 Android 平板设备远程操控个人计算机的指南 Android 平板设备远程操控个人计算机的指南详细阐述了如何运用 Splashtop Remote 应用程序达成 Android 平板设备对个人计算机的远程操控。 该指南被划分为四个环节:首先,在个人计算机上获取并部署 Splashtop Remote 应用程序,并设定客户端密码;其次,在 Android 平板设备上获取并部署 Splashtop Remote 应用程序,并与之建立连接至个人计算机的通道;再次,在 Splashtop Remote 应用程序中识别已部署个人计算机端软件的设备;最后,运用平板设备对个人计算机实施远程操控。 关键点1:Splashtop Remote 应用程序的部署与配置* 在个人计算机上获取并部署 Splashtop Remote 应用程序,可通过官方网站或其他获取途径进行下载。 * 部署结束后,必须输入客户端密码,该密码在平板控制计算机时用作验证,密码长度至少为8个字符,且需包含字母与数字。 * 在配置选项中,能够设定是否在设备启动时自动运行客户端,以及进行互联网搜索设置。 关键点2:Splashtop Remote 应用程序的 Android 版本获取与部署* 在 Android 平板设备上获取并部署 Splashtop Remote 应用程序,可通过 Google Play Store 或其他获取途径进行下载。 * 部署结束后,必须输入客户端密码,该密码用于连接至个人计算机端软件。 关键点3:运用 Splashtop Remote 远程操控个人计算机* 在 Splashtop Remote 应用程序中识别...
先看效果: https://pan.quark.cn/s/7baef05d1d08 在信息技术范畴内,语音识别是一项核心的技术,它赋予计算机或设备解析和处理人类语音输入的能力。 本研究项目运用了MFCC(Mel Frequency Cepstral Coefficients)与VQ(Vector Quantization)算法,借助VC++6.0的MFC(Microsoft Foundation Classes)库,开发出一个图形用户界面(GUI),从而达成基础的语音识别功能。 接下来将具体分析这些技术及其应用。 **MFCC特征提取**MFCC是语音信号处理中的一个标准方法,用于将复杂的语音波形转换成一组便于处理的数据参数。 MFCC模拟人类听觉系统对声音频率的感知模式,通过梅尔滤波器组对声音频谱进行分段处理,进而计算每个滤波器组的倒谱系数。 该过程包含以下环节:1. **预加重**:旨在削弱人声的低频响应部分,同时增强高频成分的强度。 2. **分帧和窗函数**:将语音信号分割成多个短时帧,并应用窗函数以降低帧与帧之间的相互干扰。 3. **梅尔尺度滤波**:采用梅尔滤波器组对每一帧进行剖析,获取梅尔频率谱。 4. **取对数**:鉴于人耳对声音强度的感知呈现非线性特征,因此对梅尔频率谱取对数操作以更好地符合人类听觉系统。 5. **离散余弦变换(DCT)**:对对数谱实施DCT运算,提取主要特征,通常选取前12-20个系数作为MFCC特征。 6. **动态特性**:为了捕捉语音的时域变化特征,还可计算MFCC特征的差分值和二阶差分值。 **VQ识别算法**VQ是一种数据压缩方法,在语音识别领域中常用于特征矢量的量化处理。 其基本理念是将高维度的MFCC特征向量映射到一个小型、预...
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