UVALive-6528 Disjoint water supply

本文介绍了一种算法,用于计算给定DAG(有向无环图)中从特定起点出发,存在两条互不相交路径的点对数量。通过标记每个节点的fa属性来区分路径是否相交,并利用拓扑排序辅助计算。

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

// 题意是给你一个DAG
// 让你找到有不同路径的点对数量
// 不同路径定义为除了根节点1以外,其他的路径上的点都不同
// 那么首先我们考虑树型DAG
// 那么怎么样的点对有不同的路径呢
// 只要在不同的子树上就一定有不同的路径,因为他们的最近公共祖先是根1
// 而在同一颗子树上的点对一定会有公共点是子树的根
// 所以只需要有每个节点对应的是那颗子树就好了,标记一个fa[x]就好了
// 那么现在考虑一般的DAG,假设已经知道了按照拓扑序算出了所在点一定会经过那个点
//,标记为fa[x]
// 那么现在一个节点有多个前驱节点,也就是父节点,那么如果父节点的fa[x]都相同,
// 那么该点也一定会经过fa[x],所以就可以标记他的fa 为 fa[x] ,
// 而如果他的前驱节点有不同的fa[x],那么该点与任意一个点都一定有不同的路径咯,
// 所以就可以标记一个新的fa[q]=q
// 然后后面的点如此处理即可
////
// 给一从1出发的DAG,问有多少个点对到点1存在两条互不相交的路径。

 // 对于每一个记录一下fa[x]。

 // 1.如果x与1相连,fa[x]=x

 // 2.如果x的前驱结点fa都相同就将其赋为fa[x]=该相同值,不然fa[x]=x

 // 3.fa相同的点在一组,那么相交。

////===
#include<cstdio>
#include<cstring>
#include<algorithm>
#include<iostream>
using namespace std;
const int maxn=1000+10;
const int maxm=100000+10;

//struct Edge{
//  int u,v,next;
//  Edge(){}
//  Edge(int u,int v,int next):u(u),v(v),next(next){}
//};
//Edge edges[maxm*2];
//
bool gd[maxn][maxn];
int C,P;
int fa[maxn];

int topo[maxn];
int vis[maxn];
int cnt=0;
void init()
{
    cnt=0;
    memset(vis,0,sizeof(vis));
    memset(topo,0,sizeof(topo));
}
void dfs(int u)
{
    for(int i=u+1;i<=C;i++){
        if(gd[u][i]){
            if(!vis[i]){
                vis[i]=1;
                dfs(i);
            }
        }
    }
    topo[cnt++]=u;
}
void solve()
{
    int u,v;
    memset(gd,0,sizeof(gd));
    for(int i=1;i<=P;i++){
        scanf("%d %d",&u,&v);
        gd[u][v]=1;
    }
    //queue<int> que;
    //memset(fa,0,sizeof(fa));
    //for(int i=2;i<=C;i++){
    //  if(gd[1][i]){
    //      fa[i]=i;
    //      que.push(i);
    //  }
    //}
    //while(!que.empty()){
    //  u=que.front();que.pop();
    //  for(int i=u+1;i<=C;i++){
    //
    //}

    init();
    vis[1]=1;
    dfs(1);
    memset(fa,0,sizeof(fa));
    fa[1]=1;
    for(int i=2;i<=C;i++)
        if(gd[1][i])
            fa[i]=i;
    for(int i=cnt-1;i>=0;i--){
        if(fa[topo[i]]) continue;
        bool flag=1;
        int pre=0;
        for(int j=1;j<topo[i];j++){
            if(gd[j][topo[i]]==0)   continue;
            if(pre&&pre!=fa[j]){
                flag=0;
                break;
            }
            else pre=fa[j];
        }
        if(flag)    fa[topo[i]]=pre;
        else fa[topo[i]]=topo[i];
    }
//  for(int i=1;i<=C;i++){
//        printf("%d\n",fa[i]);
//    }
    int num[maxn];
    memset(num,0,sizeof(num));
    for(int i=1;i<=C;i++){
        num[fa[i]]++;
    }
    int res=0;
    for(int i=1;i<=C;i++){
        for(int j=i+1;j<=C;j++){
        res+=num[i]*num[j];
        }
    }
    printf("%d\n",res);
}

int main()
{

    while(scanf("%d %d",&C,&P)==2){
        solve();
    }


    return 0;
}
语音W-Disjoint Orthogonality(WDO)是一种短时正交特性,它在语音处理中具有重要作用。短时正交特性是指在短时间内,不同的语音信号之间具有正交性,即彼此之间相互独立且互不干扰。 语音信号通常由一系列短时帧组成,每个帧的持续时间通常在10至30毫秒之间。在WDO中,不同的语音信号通过应用窗函数来加以分析和处理,通常使用的窗函数是矩形窗和汉宁窗。这些窗函数的作用是在时间域上将信号切割成较小的窗口以进行进一步的分析。 在窗函数应用后,信号会在频域上转换为复数值的频谱表示,同时每个频率分量也会变为相位和振幅。WDO利用这些频域的相位信息来判断不同的语音信号之间是否正交。如果两个语音信号之间的频域相位信息相互独立,则它们在时间上是正交的。 WDO的短时正交特性在语音信号识别、语音合成和语音增强等领域非常有用。通过分析和利用不同语音信号之间的正交性,可以准确地分离和识别不同的语音成分,从而提高语音信号的质量和可识别性。同时,WDO还可以用于去除背景噪声和改善语音信号的清晰度。 总之,语音W-Disjoint Orthogonality(WDO)是一种基于短时正交特性的语音处理方法。它通过分析语音信号的频域相位信息,判断不同语音信号之间的正交性,从而提高语音信号的质量和可识别性。
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