HDU tarjan算法模版 强连通分量+最小路径覆盖

本文介绍了一种结合强连通分量分析与二分图最大匹配问题解决方法的算法实现。该算法首先使用Tarjan算法进行强连通分量的划分,并在此基础上构建二分图,最后利用匈牙利算法求解最大匹配问题,以展示如何高效地处理复杂图论问题。

注意缩点之后,一个强连通分量内的点,不要在二分图拆点时连边。。


#include<cstdio>
#include<vector>
#include<algorithm>
#include<cstring>
using namespace std;
struct arc
{
    int to,val;
    int next;
    arc(int a=-1,int b=0):to(a),val(b) {}
};
int head[5050];
arc edge[100050];
int e_cnt=0;

int low[5050];//每一点通过儿子,回边可到达的最低深度优先数
int dfn[5050];//每一点的深度优先数
int stack[5050],top=0; //记录深搜的栈
int id[5050]; //每一点所属的强连通分量
int cnt; //记录深度优先数dfn所需递加的变量
int scnt; //强连通分量个数
int n,m; //n为顶点数 m为路径数

bool G[5050][5050]; //二分图
bool vis[5050];
int link[5050];

inline void addedge(int a,int b)
{
    edge[e_cnt].to=b;
    edge[e_cnt].next=head[a];
    head[a]=e_cnt;
    e_cnt++;
}

void dfs(int x)
{
    low[x]=dfn[x]=++cnt;
    stack[++top]=x;
    int v;
    for(int i=head[x];i!=-1;i=edge[i].next)
    {
        v=edge[i].to;
        if(!dfn[v])
        {
            dfs(v);
            low[x]=min(low[v],low[x]);
        }
        else if(!id[v]) low[x]=min(dfn[v],low[x]);
    }
    if(low[x]==dfn[x])
    {
        //printf("%d\n",x);
        scnt++;
        int tmp=0;
        do
        {
            v=stack[top--];
            id[v]=scnt;
        }while(v!=x);
    }
    return;
}

void tarjan()
{
    cnt=scnt=top=0;
    memset(dfn,0,sizeof(dfn));
    for(int i=1;i<=n;i++)
    {
        if(!dfn[i]) dfs(i);
    }
    return;
}

bool find(int u)
{
    for(int i=1;i<=scnt;i++)
    {
        if(!vis[i]&&G[u][i])
        {
            vis[i]=true;
            if(link[i]==-1||find(link[i]))
            {
                link[i]=u;
                return true;
            }
        }
    }
    return false;
}

int slove()
{
    int ans=0;
    memset(link,-1,sizeof(link));
    for(int i=1;i<=scnt;i++)
    {
        memset(vis,0,sizeof(vis));
        if(find(i)) ans++;
    }
    return ans;
}

int main()
{
    int t;
    scanf("%d",&t);
    while(t--)
    {
        memset(id,0,sizeof(id));
        memset(head,-1,sizeof(head));
        e_cnt=0;
        scanf("%d%d",&n,&m);
        int a,b;
        for(int i=1;i<=m;i++)
        {
            scanf("%d%d",&a,&b);
            addedge(a,b);
        }
        tarjan();

//        printf("%d\n",scnt);
//        for(int i=1;i<=n;i++)
//        {
//            printf("i=%d id=%d\n",i,id[i]);
//        }

        memset(G,0,sizeof(G));
        for(int i=1;i<=n;i++)
        {
            for(int j=head[i];j!=-1;j=edge[j].next)
            {
                if(id[i]==id[edge[j].to]) continue;
                G[id[i]][id[edge[j].to]]=1;
            }
        }

//        for(int i=1;i<=scnt;i++)
//        {
//            for(int j=1;j<=scnt;j++)
//            {
//                printf("%d ",G[i][j]);
//            }
//            putchar('\n');
//        }
//        putchar('\n');
        printf("%d\n",scnt-slove());
    }
    return 0;
}


基于NSGA-III算法求解微电网多目标优化调度研究(Matlab代码实现)内容概要:本文围绕基于NSGA-III算法的微电网多目标优化调度展开研究,重点介绍了如何利用该先进多目标进化算法解决微电网系统中多个相互冲突的目标(如运行成本最小化、碳排放最低、供电可靠性最高等)的协同优化问题。文中结合Matlab代码实现,详细阐述了NSGA-III算法的基本原理、在微电网调度模型中的建模过程、约束条件处理、目标函数设计以及仿真结果分析,展示了其相较于传统优化方法在求解高维、非线性、多目标问题上的优越性。同时,文档还提供了丰富的相关研究案例和技术支持背景,涵盖电力系统优化、智能算法应用及Matlab仿真等多个方面。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事能源优化领域的工程技术人员;尤其适合正在进行微电网调度、多目标优化算法研究或撰写相关论文的研究者。; 使用场景及目标:①掌握NSGA-III算法的核心思想及其在复杂能源系统优化中的应用方式;②学习如何构建微电网多目标调度模型并利用Matlab进行仿真求解;③为科研项目、毕业论文或实际工程提供算法实现参考和技术支撑。; 阅读建议:建议读者结合文中提供的Matlab代码实例,逐步调试运行并深入理解算法流程与模型构建细节,同时可参考文档中列出的其他优化案例进行横向对比学习,以提升综合应用能力。
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