洛谷 P2341 [HAOI2006]受欢迎的牛 tarjan 缩点

本文深入探讨了Tarjan算法的应用,通过一道具体题目详细解析了如何使用Tarjan算法进行图的强连通分量分析,包括算法实现、调试经验分享及代码优化技巧。

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

题目链接:

https://www.luogu.org/problem/P2341

心得:

1:自己刚接触tarjan时,花费了将近一天调试这一道题目,才90分,20个测试点,有2个没有过,至今不理解错因,然后跳过这道题目又学了5天,做了好多其它题目,再次回来纠错时,仅10min就ac了

思路:

1:tarjan缩点

2:类似于缩点之后,把每一个强连通分量当作一个节点,建图,统计每一个强连通分量的出度

3:仅当只有一个强连通分量的出度为0时,才有明星奶牛,个数为出度为0的那个强连通分量所包含的原始节点个数

#include <bits/stdc++.h>

using namespace std;
const int maxn=1e4+1;
vector<int>e[maxn];
set<int>ee[maxn];
int dfn[maxn],low[maxn],ins[maxn],color[maxn],colornum[maxn],timing,cnt,n,m,x,y,id[maxn];
stack<int>s;

void tarjan(int x)
{
    low[x]=dfn[x]=++timing;
    s.push(x);
    ins[x]=1;
    for(int i=0;i<e[x].size();i++)
    {
        int v=e[x][i];
        if(!dfn[v])
        {
            tarjan(v);
            low[x]=min(low[x],low[v]);
        }
        else if(ins[v])
        {
            low[x]=min(low[x],dfn[v]);
        }
    }
    if(dfn[x]==low[x])
    {
        cnt++;
        while(s.top()!=x)
        {
            color[s.top()]=cnt;
            ins[s.top()]=0;
            colornum[cnt]++;
            s.pop();
        }
        color[s.top()]=cnt;
        ins[s.top()]=0;
        colornum[cnt]++;
        s.pop();
    }
}

int main()
{
    ios::sync_with_stdio(0);
    cin>>n>>m;
    for(int i=1;i<=m;i++)
    {
        cin>>x>>y;
        e[x].push_back(y);
    }
    for(int i=1;i<=n;i++)
    {
        if(!dfn[i])
            tarjan(i);
    }
    for(int i=1;i<=n;i++)
    {
        for(int j=0;j<e[i].size();j++)
        {
            if(color[i]!=color[e[i][j]]&&ee[color[i]].find(color[e[i][j]])==ee[color[i]].end())
            {
                ee[color[i]].insert(color[e[i][j]]);
//               id[color[e[i][j]]]++;
            }
        }
    }
    int ans=0;
    int num=0;
    for(int i=1;i<=cnt;i++)
    {
        if(ee[i].size()==0)
        {
            ans=colornum[i];
            num++;
        }
    }
    if(num==1)
        cout<<ans<<endl;
    else
        cout<<0<<endl;
    return 0;
}

 

内容概要:本文档详细介绍了基于MATLAB实现多目标差分进化(MODE)算法进行无人机三维路径规划的项目实例。项目旨在提升无人机在复杂三维环境中路径规划的精度、实时性、多目标协调处理能力、障碍物避让能力和路径平滑性。通过引入多目标差分进化算法,项目解决了传统路径规划算法在动态环境和多目标优化中的不足,实现了路径长度、飞行安全距离、能耗等多个目标的协调优化。文档涵盖了环境建模、路径编码、多目标优化策略、障碍物检测与避让、路径平滑处理等关键技术模块,并提供了部分MATLAB代码示例。 适合人群:具备一定编程基础,对无人机路径规划和多目标优化算法感兴趣的科研人员、工程师和研究生。 使用场景及目标:①适用于无人机在军事侦察、环境监测、灾害救援、物流运输、城市管理等领域的三维路径规划;②通过多目标差分进化算法,优化路径长度、飞行安全距离、能耗等多目标,提升无人机任务执行效率和安全性;③解决动态环境变化、实时路径调整和复杂障碍物避让等问题。 其他说明:项目采用模块化设计,便于集成不同的优化目标和动态环境因素,支持后续算法升级与功能扩展。通过系统实现和仿真实验验证,项目不仅提升了理论研究的实用价值,还为无人机智能自主飞行提供了技术基础。文档提供了详细的代码示例,有助于读者深入理解和实践该项目。
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