cogs 2079Asm_def的三角形解题报告

透明计算网络攻击模拟
本文介绍了一种模拟攻击透明计算网络的方法,通过断开特定连接使服务离线,并提供了算法实现,包括使用并查集与二分图染色等技术手段。

【题目描述】


Asm.Def已经突破了圣迭戈的基础防御设施,来到了透明计算网络所在的机房,发现事情并非想象的那样简单。

由于透明计算网络的特性,可以实现文件多节点储存、计算资源的实时调度。摧毁它并非易事。透明计算网络可以抽象成一张图,它的每个节点都互相连接。透明计算网络采用的调度策略有缺陷,如果使整张网络中任意(即所有)三个点组成的三角形,之间的链接断开一条或者三条全部断开,可使得整个服务离线。

现在有些链接被加固,即不可能被断开。有些链接已经被断开。现在让你选择断开一些链接使得整个服务离线,有多少种方案呢?方案数对998244353取模。认为两个方案不同仅当存在一条边在这两个方案中一个被断开,另一个没有断开。


【输入格式】


第一行两个整数n和m,表示有n个节点,和已经有m个链接被断开或者加固。

接下来m行每行三个整数op u v,op为1是表示u和v的链接被加固,op为0是表示u和v的链接被断开。


【输出格式】

一行一个整数,表示有多少中方案。方案数对998244353取模。

【样例输入1】

3 0

【样例输出1】

4

【样例输入1说明】


样例一解释

可以断开1-2,2-3,1-3的链接,或1-2的链接,或2-3的链接,或1-3的链接。共4种方案


【样例输入2】

4 4
0 1 2
0 2 3
1 3 4
1 4 1

【样例输出2】

1

【样例输入2说明】


只能断开1-3,使得三角形(1,2,3)全部被断开,三角形(1,4,3)只被断开一条边


【样例输入3】

4 4
0 1 2
0 2 3
1 3 4
0 4 1

【样例输出3】

0

【数据规模与约定】

30%的数据,1 <= n <= 7,m <= 21

另外40%的数据,1 <= n <= 100000,m = 0

另外30%的数据,1 <= n <= 100000,m <= 100000

考虑和1号点的连接方法

若i,j之间连虚边 则1->i==i->j 可以用并查集合并

如果i,j之间连实边 则1->i!=1->j 用二分图染色判断合法性

答案为2^(二分图个数-1)(去掉1号点)

代码:

#include <iostream>
#include <cstdio>
#include <algorithm>
#include <vector>
#include <cstring>
using namespace std;
const int maxn=100000+10;
const int MOD=998244353;
vector<int>A[maxn];
int fa[maxn];
int color[maxn];
int pre[maxn];
int n,m;
int ok;
int a[maxn],b[maxn],c[maxn];
inline int find(int x){
	if(fa[x]==x)
		return x;
	return fa[x]=find(fa[x]);
}
inline void cant(){
	puts("0");
	exit(0);
}
inline void dfs(int u,int c){
	if(color[u]){
		if(color[u]!=c) 
			cant();
		return;
	}
	color[u]=c;
	c=3-c;
	for(int i=0;i<A[u].size();i++){
		int v=A[u][i];
		dfs(v,c);
	}
}
inline long long qpow(int k){
	if(!k)
		return 1;
	if(k==1)
		return 2;
	long long tmp=qpow(k/2)%MOD;
	tmp=tmp*tmp%MOD;
	if(k&1)
		tmp=tmp*2%MOD;
	return tmp;
}
int main(){
	freopen("tria.in","r",stdin);
	freopen("tria.out","w",stdout);
	int n,m;
	scanf("%d %d",&n,&m);
	for(int i=1;i<=n;i++)
		fa[i]=i;
	for(int i=1;i<=m;i++){
		scanf("%d %d %d",&a[i],&b[i],&c[i]);
		if(b[i]>c[i])
			swap(b[i],c[i]);
	}
	for(int i=1;i<=m;i++){
		if(a[i]==0){
			int fy=find(b[i]),fz=find(c[i]);
			if(fy!=fz)
				fa[fy]=fz;
		}
	}
	for(int i=1;i<=n;i++)
		find(i);
	for(int i=1;i<=m;i++){
		if(a[i]){
			int fy=find(b[i]),fz=find(c[i]);
			A[fy].push_back(fz);
			A[fz].push_back(fy);
		}
	}
	int cnt=0;
	for(int i=1;i<=n;i++){
		if(fa[i]==i&&!color[i]){
			dfs(i,1);
			cnt++;
		}
	}
	printf("%lld\n",qpow(cnt-1)%MOD);
	//for(int i=1;i<=n;i++)
	//	printf("%d\n",fa[i]);
	/*int size=0;
	for(int i=1;i<=n;i++)
		if(fa[i]==i){
			printf("0 ");
			size++;
			for(int j=0;j<A[i].size();i++){
				printf("%d ",A[i][j]);
				size++;
			}
			puts("");
		}*/
return 0;
}


基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制问题,并提供完整的Matlab代码实现。文章结合数据驱动方法与Koopman算子理论,利用递归神经网络(RNN)对非线性系统进行建模与线性化处理,从而提升纳米级定位系统的精度与动态响应性能。该方法通过提取系统隐含动态特征,构建近似线性模型,便于后续模型预测控制(MPC)的设计与优化,适用于高精度自动化控制场景。文中还展示了相关实验验证与仿真结果,证明了该方法的有效性和先进性。; 适合人群:具备一定控制理论基础和Matlab编程能力,从事精密控制、智能制造、自动化或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应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能控制设计;②为非线性系统建模与线性化提供一种结合深度学习与现代控制理论的新思路;③帮助读者掌握Koopman算子、RNN建模与模型预测控制的综合应用。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现流程,重点关注数据预处理、RNN结构设计、Koopman观测矩阵构建及MPC控制器集成等关键环节,并可通过更换实际系统数据进行迁移验证,深化对方法泛化能力的理解。
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