洛谷P2921 在农场万圣节Trick or Treat on the Farm

题意

每一个隔间都有一个标记,表示牛在这个隔间时下一个要去的隔间。
问:牛从每个隔间出发,最多能不重复走过多少个隔间。
隔间数1<=n<=105

分析

这个题的关键步骤有二:
①记忆化搜索:可以将每一次dfs的O(N)进化到N次搜索的总复杂度O(N),这个不难做到。

②预处理环/缩点为环:在记忆化搜索的过程中,发现在环上的记忆化不太成功,因为在环上遍历时,每次计算仍然要把整个环跑一遍,这显然有些浪费时间。针对这个弱点,可以预处理所有的环,环上每一个点跑的距离都是环长。

通过强连通分量的计算(在这个每个点出度都为1的图上退化为求环),可以将同一个环上的点分为一类,从而能计算出环长,进而预处理所有环上点的记忆化,就相当图做了缩点处理,剩下的DAG可以用记忆化直接解决。
强连通分量用了tarjan的板子.

代码

#include<iostream>
#include<vector>
#include<stack>
#include<algorithm>
using namespace std;
vector<int> G[100004];
int dfs_clock = 0, scc_cnt = 0;//时间戳,强连通分量组编号
int sccno[100004];//表示每个点属于哪个强连通块
int pre[100004];//dfs序
int low[100004];//low[u]表示u及其后带通过反向边最多能返回到哪
int sizee[100004];//每个环的size(用scc_cnt编号)
int L[100004];//记忆化搜索
stack<int> s;//存当前的节点
void dfs(int u)
{
	pre[u] = low[u] = ++dfs_clock;
	s.push(u);
	for (int i = 0; i < G[u].size(); i++)
	{
		int v = G[u][i];//下一个
		if (!pre[v])//未到过v
		{
			dfs(v);
			low[u] = min(low[u], low[v]);
		}
		else if (!sccno[v])//有可能是新的反向边
		{
			low[u] = min(low[u], pre[v]);
		}
	}
	if (low[u] == pre[u])//是第一次发现这个连通分量的点
	{
		scc_cnt++;
		while (true)
		{
			int x = s.top();s.pop();
			sccno[x] = scc_cnt;
			sizee[scc_cnt]++;
			if (x == u)break;
		}
	}
}
void find_scc(int n)
{
	for (int i = 1; i <= n; i++)
	{
		if (!pre[i])dfs(i);
	}
}
int d(int s)
{
	if (L[s])return L[s];//记忆化过程
	L[s] = d(G[s][0]) + 1;
	return L[s];
}
int main()
{
	ios::sync_with_stdio(false);
    int n,v;
    cin >> n;
	for (int i = 1; i <= n; i++)
	{
		cin >> v;
		G[i].push_back(v);
	}
	find_scc(n);//开始寻找强连通分量的函数

	//sccno已经处理完,1~scc_cnt
	for (int i = 1; i <= n; i++)
	{
		if (sizee[sccno[i]] > 1)L[i] = sizee[sccno[i]];//线状不选,环上最多环长个
		if (G[i][0] == i)L[i] = 1;//自环
	}
	for (int i = 1; i <= n; i++)
	{
		if (!L[i])d(i);
	}
	for (int i = 1; i <= n; i++)
	{
		cout << L[i] << endl;
	}
    return 0;
}


六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
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
 
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