URAL 1742 Team building 强联通

本文探讨了图论中最小解与强联通分量的概念,并通过实例展示了如何利用算法找到最小解和强联通分量。通过构建图模型,实现节点之间的连接,并运用DFS算法进行缩点操作,最终确定最小解和强联通分量。

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

每个人到他认为最强的人连一条边。

缩点后,入度为0的点是最小解,强联通分量是最大解。

---

const int maxn=111100;
const int maxm=210000;
int n;
struct Node {
    int to,next;
} edges[maxm];
int head[maxn],edge;
void addedge(int u,int v) {
    edges[edge].to=v,edges[edge].next=head[u],head[u]=edge++;
}
void prepare() {
    memset(head,-1,sizeof head);
    edge=0;
}
int a[maxn];
int pre[maxn],lowlink[maxn],sccno[maxn],scc_cnt,dfs_clock;
stack<int>stk;
void dfs(int u) {
    pre[u]=lowlink[u]=++dfs_clock;
    stk.push(u);
    for (int i=head[u]; i!=-1; i=edges[i].next) {
        int v=edges[i].to;
        if (!pre[v]) {
            dfs(v);
            lowlink[u]=min(lowlink[u],lowlink[v]);
        } else if (!sccno[v]) {
            lowlink[u]=min(lowlink[u],pre[v]);
        }
    }
    if (lowlink[u]==pre[u]) {
        scc_cnt++;
        int x;
        do {
            x=stk.top();
            stk.pop();
            sccno[x]=scc_cnt;
        } while (x!=u);
    }
}
void find_scc(int n) {
    dfs_clock=scc_cnt=0;
    clr(sccno,0);
    clr(pre,0);
    while (!stk.empty()) stk.pop();
    REP_1(i,n) if (!pre[i]) dfs(i);
}
int num[maxn];
int main() {
    memset(num,0,sizeof num);
    scanf("%d",&n);
    prepare();
    for (int i=1; i<=n; i++) {
        scanf("%d",&a[i]);
        addedge(i,a[i]);
    }
    find_scc(n);
    for (int i=1; i<=n; i++) {
        if (sccno[i]!=sccno[a[i]]) {
            num[sccno[a[i]]]++;
        }
    }
    int cnt=0;
    for (int i=0; i<scc_cnt; i++) {
        if (num[i]==0) cnt++;
    }
    printf("%d %d\n",cnt,scc_cnt);
    return 0;
}


---


内容概要:本文深入探讨了Kotlin语言在函数式编程和跨平台开发方面的特性和优势,结合详细的代码案例,展示了Kotlin的核心技巧和应用场景。文章首先介绍了高阶函数和Lambda表达式的使用,解释了它们如何简化集合操作和回调函数处理。接着,详细讲解了Kotlin Multiplatform(KMP)的实现方式,包括共享模块的创建和平台特定模块的配置,展示了如何通过共享业务逻辑代码提高开发效率。最后,文章总结了Kotlin在Android开发、跨平台移动开发、后端开发和Web开发中的应用场景,并展望了其未来发展趋势,指出Kotlin将继续在函数式编程和跨平台开发领域不断完善和发展。; 适合人群:对函数式编程和跨平台开发感兴趣的开发者,尤其是有一定编程基础的Kotlin初学者和中级开发者。; 使用场景及目标:①理解Kotlin中高阶函数和Lambda表达式的使用方法及其在实际开发中的应用场景;②掌握Kotlin Multiplatform的实现方式,能够在多个平台上共享业务逻辑代码,提高开发效率;③了解Kotlin在不同开发领域的应用场景,为选择合适的技术栈提供参考。; 其他说明:本文不仅提供了理论知识,还结合了大量代码案例,帮助读者更好地理解和实践Kotlin的函数式编程特性和跨平台开发能力。建议读者在学习过程中动手实践代码案例,以加深理解和掌握。
内容概要:本文深入探讨了利用历史速度命令(HVC)增强仿射编队机动控制性能的方法。论文提出了HVC在仿射编队控制中的潜在价值,通过全面评估HVC对系统的影响,提出了易于测试的稳定性条件,并给出了延迟参数与跟踪误差关系的显式不等式。研究为两轮差动机器人(TWDRs)群提供了系统的协调编队机动控制方案,并通过9台TWDRs的仿真和实验验证了稳定性和综合性能改进。此外,文中还提供了详细的Python代码实现,涵盖仿射编队控制类、HVC增强、稳定性条件检查以及仿真实验。代码不仅实现了论文的核心思想,还扩展了邻居历史信息利用、动态拓扑优化和自适应控制等性能提升策略,更全面地反映了群体智能协作和性能优化思想。 适用人群:具备一定编程基础,对群体智能、机器人编队控制、时滞系统稳定性分析感兴趣的科研人员和工程师。 使用场景及目标:①理解HVC在仿射编队控制中的应用及其对系统性能的提升;②掌握仿射编队控制的具体实现方法,包括控制器设计、稳定性分析和仿真实验;③学习如何通过引入历史信息(如HVC)来优化群体智能系统的性能;④探索中性型时滞系统的稳定性条件及其在实际系统中的应用。 其他说明:此资源不仅提供了理论分析,还包括完整的Python代码实现,帮助读者从理论到实践全面掌握仿射编队控制技术。代码结构清晰,涵盖了从初始化配置、控制律设计到性能评估的各个环节,并提供了丰富的可视化工具,便于理解和分析系统性能。通过阅读和实践,读者可以深入了解HVC增强仿射编队控制的工作原理及其实际应用效果。
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