朝暮(枚举基准 容斥)

朝暮(枚举基准 容斥)

给出一个n个点,最多n+6条边的无向图,求将树黑白染色,且没有相邻黑点的方案数。\(1\leqslant n\leqslant 10^5\)

首先,如果这个图是个树,就是个斯波dp。

然后我在考试时想了个做法:枚举所有非树边旁边是00还是10还是01。复杂度\(n3^n\),成功tle。

正解就好写得多。枚举旁边都是黑点的非树边有几条,容斥一下即可。

我其实还没搞懂为什么还能这样容斥……果然自己计数题太弱了。

注意\((-1)^x\)到底是啥!被坑了好久。

#include <cstdio> 
#include <cstring>
using namespace std;

const int maxn=1e5+10, mod=1e9+7;
int n, m;
struct Edge{
    int to, nxt;
}e[maxn*2];
int fir[maxn], cnte;
void addedge(int x, int y){
    Edge &ed=e[++cnte];
    ed.to=y; ed.nxt=fir[x]; fir[x]=cnte;
}

inline int popcount(int x){ int re=0;
    while (x) re+=x&1, x>>=1;
    return re; }

int qd[maxn], ex[6], ey[maxn], cntext;
long long f[maxn][2], ans;

int fa[maxn];  //有向图求返祖边才需要dfs!无向图只需要并查集 
int find(int x){ return fa[x]==x?x:fa[x]=find(fa[x]); }

void dfs(int now, int par){
    f[now][0]=f[now][1]=1;
    if (qd[now]) f[now][0]=0;
    for (int i=fir[now]; i; i=e[i].nxt){
        if (e[i].to==par) continue;
        dfs(e[i].to, now);
        (f[now][0]*=(f[e[i].to][0]+f[e[i].to][1]))%=mod;
        (f[now][1]*=f[e[i].to][0])%=mod;
    }
}

int main(){
    //freopen("20.in", "r", stdin); freopen("20.out", "w", stdout);
    scanf("%d%d", &n, &m); int x, y;
    for (int i=1; i<=n; ++i) fa[i]=i;
    for (int i=1; i<=m; ++i){
        scanf("%d%d", &x, &y);
        if (find(x)==find(y)){ 
            ex[cntext]=x; ey[cntext++]=y; 
            continue;
        }
        addedge(x, y); addedge(y, x);
        fa[find(x)]=find(y);
    }
    for (int i=0; i<(1<<cntext); ++i){
        memset(f, 0, sizeof(f));
        memset(qd, 0, sizeof(qd));
        for (int j=0; j<cntext; ++j)
            if (i&(1<<j)) qd[ex[j]]=qd[ey[j]]=1;
        dfs(1, 0);
        //要判断的是popcount的奇偶性! 
        (ans+=(popcount(i)&1?-1:1)*(f[1][0]+f[1][1]))%=mod;
    }
    printf("%lld\n", (ans+mod)%mod);
    return 0;
}

转载于:https://www.cnblogs.com/MyNameIsPc/p/9459893.html

【四轴飞行器】非线性三自由度四轴飞行器模拟器研究(Matlab代码实现)内概要:本文围绕非线性三自由度四轴飞行器模拟器的研究展开,重点介绍基于Matlab代码实现的四轴飞行器动力学建模与仿真方法。研究构建了考虑非线性特性的飞行器数学模型,涵盖姿态动力学与运动学方程,实现了三自由度(滚转、俯仰、偏航)的精确模拟。文中详细阐述了系统建模过程、控制算法设计思路及仿真结果分析,帮助读者深入理解四轴飞行器的飞行动力学特性与控制机制;同时,该模拟器可用于算法验证、控制器设计与教学实验。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的高校学生、科研人员及无人机相关领域的工程技术人员,尤其适合从事飞行器建模、控制算法开发的研究生和初级研究人员。; 使用场景及目标:①用于四轴飞行器非线性动力学特性的学习与仿真验证;②作为控制器(如PID、LQR、MPC等)设计与测试的仿真平台;③支持无人机控制系统教学与科研项目开发,提升对姿态控制与系统仿真的理解。; 阅读建议:建议读者结合Matlab代码逐模块分析,重点关注动力学方程的推导与实现方式,动手运行并调试仿真程序,以加深对飞行器姿态控制过程的理解。同时可扩展为六自由度模型或加入外部干扰以增强仿真真实性。
基于分布式模型预测控制DMPC的多智能体点对点过渡轨迹生成研究(Matlab代码实现)内概要:本文围绕“基于分布式模型预测控制(DMPC)的多智能体点对点过渡轨迹生成研究”展开,重点介绍如何利用DMPC方法实现多智能体系统在复杂环境下的协同轨迹规划与控制。文中结合Matlab代码实现,详细阐述了DMPC的基本原理、数学建模过程以及在多智能体系统中的具体应用,涵盖点对点转移、避障处理、状态约束与通信拓扑等关键技术环节。研究强调算法的分布式特性,提升系统的可扩展性与鲁棒性,适用于多无人机、无人车编队等场景。同时,文档列举了大量相关科研方向与代码资源,展示了DMPC在路径规划、协同控制、电力系统、信号处理等多领域的广泛应用。; 适合人群:具备一定自动化、控制理论或机器人学基础的研究生、科研人员及从事智能系统开发的工程技术人员;熟悉Matlab/Simulink仿真环境,对多智能体协同控制、优化算法有一定兴趣或研究需求的人员。; 使用场景及目标:①用于多智能体系统的轨迹生成与协同控制研究,如无人机集群、无人驾驶车队等;②作为DMPC算法学习与仿真实践的参考资料,帮助理解分布式优化与模型预测控制的结合机制;③支撑科研论文复现、毕业设计或项目开发中的算法验证与性能对比。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注DMPC的优化建模、约束处理与信息交互机制;按文档结构逐步学习,同时参考文中提及的路径规划、协同控制等相关案例,加深对分布式控制系统的整体理解。
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  | 博主筛选后可见
 
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