2018牛客多校第一场,D

本文介绍了一种解决图同构问题的算法实现,通过深度优先搜索(DFS)找到两个图之间的所有可能映射,并利用集合来避免重复计数,最终输出第一个图在第二个图中的同构子图数量。

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

 

大致意思是从第二个图的子图中找与第一个图的同构的图,输出数量。

 

#include <vector>
#include <set>
#include <iostream>
#include <stdio.h>
#include <stdlib.h>
#include <algorithm>

using namespace std;

int tu1[10][10] = {{0}}, tu2[10][10] = {{0}}, tmp_tu[10][10] = {{0}};

int init_tu[10][10] = {{0}}, vnode[10] = {0};

int n,m1,m2;
int real_n;
int ans = 0;

int x[10] = {0};
bool vis[10] = {false};

set< set< pair<int,int> > > ans_set;


void dfs(int num,int bj)
{
    if (bj == real_n - 1)
    {
//        for (int i = 0; i < bj; ++i)
//        {
//
//            cout << x[i] << ',';
//        }cout << endl;

        for (int i = 0; i < 10; ++i)
        {
            for (int j = 0; j < 10; ++j)
            {
                tmp_tu[i][j] = 0;
            }
        }

        for (int i = 0; i < real_n; ++i)
        {
            for (int j = 0; j < real_n; ++j)
            {
                if (init_tu[i][j])
                {
                    //cout << "i:" << i << " j:" << j << endl;
                    //cout << "xi:" << x[i] << " xj:" << x[j] << endl;
                    tmp_tu[ x[i] - 1 ][ x[j] - 1 ] = tmp_tu[ x[j] - 1 ][ x[i] - 1 ] = 1;

                }
            }
        }

        int yes = 1;
        for (int i = 0; i < n; ++i)
        {
            int flag = 1;
            for (int j = 0; j < n; ++j)
            {
                if (tmp_tu[i][j] )
                {
                    if (!tu2[i][j])
                    {
                        //cout << "error:" <<i << "-->" << j << endl;
                        flag = 0;
                        break;
                    }
                    
                }
            }
            if (!flag)
            {
                yes = 0;
                break;
            }
        }

        if (yes)
        {
            set< pair<int,int> > t_set;
            for (int i = 0; i < n; ++i)
            {
                for (int j = 0; j < n; ++j)
                {
                    if (tmp_tu[i][j] )
                    {
                        int a,b;
                        if (i < j)
                        {
                            a = i;
                            b = j;
                        }
                        else
                        {
                            a = j;
                            b = i;
                        }
                        t_set.insert( make_pair(a,b) );
                    }
                }
            }

            set< set< pair<int,int> > >::iterator it = ans_set.find( t_set );

            if (it == ans_set.end())
            {
                ans_set.insert( t_set );
                ++ans;                
            }
        }


        //cout << endl;

        return;
    }

    for (int i = 1; i <= n; ++i)
    {
        if (!vis[i])
        {
            vis[i] = true;
            x[bj] = i;
            dfs(i,bj+1);
            vis[i] = false;
        }
    }
}

int main(int argc, char* argv[])
{   
    while (~scanf("%d%d%d",&n,&m1,&m2))
    {
        ans_set.clear();
        for (int i = 0; i < 10; ++i)
        {
            for (int j = 0; j < 10; ++j)
            {
                tu1[i][j] = tu2[i][j] = init_tu[i][j] = 0;
            }
        }

        ans = 0;
        for (int i = 0; i < m1; ++i)
        {
            int a,b;
            scanf("%d%d",&a,&b);
            tu1[a-1][b-1] = tu1[b-1][a-1] = 1;
        }

        int bj = 0;
        
        for (int i = 0; i < 10; ++i)
        {
            vnode[i] = -1;
        }
        for (int i = 0; i < n; ++i)
        {
            for (int j = 0; j < n; ++j)
            {
                if (tu1[i][j])
                {
                    if (vnode[i] == -1)
                    {
                        vnode[i] = bj++;;
                    }
                    if (vnode[j] == -1)
                    {
                        vnode[j] = bj++;
                    }
                }
            }
        }

        real_n = bj + 1;

        for (int i = 0; i < n; ++i)
        {
            for (int j = 0; j < n; ++j)
            {
                if (tu1[i][j])
                {
                    init_tu[ vnode[i] ][ vnode[j] ] = init_tu[ vnode[j] ][ vnode[i] ] = 1;
                }
            }
        }

        for (int i = 0; i < m2; ++i)
        {
            int a,b;
            scanf("%d%d",&a,&b);
            tu2[a-1][b-1] = tu2[b-1][a-1] = 1;
        }

        dfs(0,0);

        printf("%d\n",ans);

    }

    return 0;
}

 

 

 

 

资源下载链接为: https://pan.quark.cn/s/140386800631 通用大模型文本分类实践的基本原理是,借助大模型自身较强的理解和推理能力,在使用时需在prompt中明确分类任务目标,并详细解释每个类目概念,尤其要突出类目间的差别。 结合in-context learning思想,有效的prompt应包含分类任务介绍及细节、类目概念解释、每个类目对应的例子和待分类文本。但实际应用中,类目和样本较易导致prompt过长,影响大模型推理效果,因此可先通过向量检索缩小范围,再由大模型做最终决策。 具体方案为:离线时提前配置好每个类目的概念及对应样本;在线时先对给定query进行向量召回,再将召回结果交给大模型决策。 该方法不更新任何模型参数,直接使用开源模型参数。其架构参考GPT-RE并结合相关实践改写,加入上下文学习以提高准确度,还使用BGE作为向量模型,K-BERT提取文本关键词,拼接召回的相似例子作为上下文输入大模型。 代码实现上,大模型用Qwen2-7B-Instruct,Embedding采用bge-base-zh-v1.5,向量库选择milvus。分类主函数的作用是在向量库中召回相似案例,拼接prompt后输入大模型。 结果方面,使用ICL时accuracy达0.94,比bert文本分类的0.98低0.04,错误类别6个,处理时添加“家居”类别,影响不大;不使用ICL时accuracy为0.88,错误58项,可能与未修改prompt有关。 优点是无需训练即可有较好结果,例子优质、类目界限清晰时效果更佳,适合围绕通用大模型api打造工具;缺点是上限不高,仅针对一个分类任务部署大模型不划算,推理速度慢,icl的token使用,用收费api会有额外开销。 后续可优化的点是利用key-bert提取的关键词,因为核心词语有时比语意更重要。 参考资料包括
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