【题解】&&【模板】洛谷 P3387【缩点】——TarJan+Topsort+DP

【题解】&&【模板】洛谷 P3387【缩点】——TarJan+Topsort+DP

传送门
为什么感觉我最近都在做TagJan的题??果然是我太蔡了吗!!!

题目描述
给定一个n个点m条边有向图,每个点有一个权值,求一条路径,使路径经过的点权值之和最大。你只需要求出这个权值和。

允许多次经过一条边或者一个点,但是,重复经过的点,权值只计算一次。

输入输出格式
输入格式:
第一行,n,m

第二行,n个整数,依次代表点权

第三至m+2行,每行两个整数u,v,表示u->v有一条有向边

输出格式:
共一行,最大的点权之和。

输入样例输出样例
2 2
1 1
1 2
2 1
2

说明
n<=104,m<=105,0<=点权<=1000

Why the solution is “Small_Point + DP”???
因为它求的是所经过的点的点权最大值,所以一个显然的贪心”当我进过一个强连通分量时应该进过其中的所有的点“,所以我们把一个强连通分量看作一个点,在新图上DP。
How to DP???

	for(int i=1;i<=scc;i++)f[i]=Vaule[i];
	for(int j=1;j<=scc;j++){
		int u=Top[j];
		for(int i=LA_scc[u];i;i=NT_scc[i]){
			int v=ED_scc[i];
			f[v]=max(f[v],f[u]+Vaule[v]);
		}
	}
	//scc->强连通分量的总数
	//Vaule[i]->强连通分量中的点权总和
	//Top[j]->拓扑排序后的序列

Why should we use “TopSort” before DP???
总所周知,对一个有向图G拓扑排序后的序列S有一个性质:
若<Vx Vy>是序列S中的两个点,并且<Vx Vy>是图G中的一条边,那么Vx在S中的位置一定在Vy之前
那么这和这道题有什么关系呢?
因为如果你是对于点从小到大DP你就会少DP到一些情况。
for example有一条路径:u->v->w;
其正确的DP顺序是DP(u)>>DP(v)>>DP(w);
但是如果你没有拓扑排序的话,你的DP顺序就可能是:DP(v)>>DP(w)&&DP(u)或者其它的一些情况
你应该懂我意思吧??(逃…

详情请见代码:

#include<stdio.h>
#include<bits/stdc++.h>
#define H 200005 
using namespace std;
int N,M,P[H],U[H],V[H],Ans;
int LA[H],ED[H],NT[H],tot;
int dfn[H],low[H],Belong[H],mem[H],Vaule[H],scc,Vistime;
bool InStack[H];
stack<int> S;
int LA_scc[H],ED_scc[H],NT_scc[H],QAQ,In[H];
void LB(int u,int v){ED[++tot]=v;NT[tot]=LA[u];LA[u]=tot;}
void LB_scc(int u,int v){
	ED_scc[++QAQ]=v;NT_scc[QAQ]=LA_scc[u];LA_scc[u]=QAQ;In[v]++;
}
void TarJan_scc(int u){
	dfn[u]=low[u]=++Vistime;
	InStack[u]=1;S.push(u);
	for(int i=LA[u];i;i=NT[i]){
		int v=ED[i];
		if(!dfn[v]){
			TarJan_scc(v);
			low[u]=min(low[u],low[v]);
		}
		else if(dfn[v]&&InStack[v]){
			low[u]=min(low[u],dfn[v]);
		}
	}
	if(low[u]==dfn[u]){
		scc++;
		int k=0,v;
		do{
			k++;
			v=S.top();S.pop();
			Belong[v]=scc;
			InStack[v]=0;
			Vaule[scc]+=P[v];
		}while(u!=v);
		mem[scc]=k;
	}
}
void Small_Point(){
	for(int i=1;i<=M;i++){
		int x=U[i],y=V[i];
		if(Belong[x]!=Belong[y])LB_scc(Belong[x],Belong[y]);
	}
}
queue<int> Q;
int Top[H],Toptot;
void Topsort(){
	for(int i=1;i<=scc;i++)if(!In[i])Q.push(i);
	while(!Q.empty()){
		int u=Q.front();Q.pop();
		Top[++Toptot]=u;
		for(int i=LA_scc[u];i;i=NT_scc[i]){
			int v=ED_scc[i];
			In[v]--;
			if(!In[v])Q.push(v);
		}
	}
}
int f[H];
int main(){
	scanf("%d%d",&N,&M);
	for(int i=1;i<=N;i++)scanf("%d",&P[i]);
	for(int i=1;i<=M;i++){
		scanf("%d%d",&U[i],&V[i]);
		LB(U[i],V[i]);
	}
	for(int i=1;i<=N;i++)if(!dfn[i])TarJan_scc(i);
	Small_Point();
	Topsort();
	for(int i=1;i<=scc;i++)f[i]=Vaule[i];
	for(int j=1;j<=scc;j++){
		int u=Top[j];
		for(int i=LA_scc[u];i;i=NT_scc[i]){
			int v=ED_scc[i];
			f[v]=max(f[v],f[u]+Vaule[v]);
		}
	}
	for(int i=1;i<=scc;i++)Ans=max(Ans,f[i]);
	printf("%d",Ans);
}
基于python实现的粒子群的VRP(车辆配送路规划)问题建模+源码+项目文档+算法解析,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解历史最优解的重,指导粒子速度位置的更新,这在解函数极值问题时比较容易实现,而在VRP问题上,速度位置的更新则难以直接采用加的方式进行,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进行解,这里采用顺序交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,不加)。 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解历史最优解的重,指导粒子速度位置的更新,这在解函数极值问题时比较容易实现,而在VRP问题上,速度位置的更新则难以直接采用加的方式进行,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进行解,这里采用顺序交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,不加)。
评论 1
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

打赏作者

go_bananas

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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