poj2186 Popular Cows

本文提供了一个使用C++实现的图的强连通分量算法示例,通过对图进行两次深度优先搜索(DFS),找到图中所有的强连通分量,并统计特定条件下边的数量。

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

#include <iostream>
#include <algorithm>
#include <vector>
#include <queue>
#include <stack>
using namespace std;
struct node{
    int s,e;
}arr[50010];
vector<int> mat[10020];
vector<int> tmat[10020];
int n,m;
int vis[15000];
int mark[15000];
int cnt[15000];
int du[15000];
stack<int >q;
int num=0;
void dfs(int start)
{
    vis[start]=1;
    for(int i=0;i<mat[start].size();i++)
    {
        if(!vis[mat[start][i]])
        {
            dfs(mat[start][i]);
        }
    }
    q.push(start);
    return;
}
void dfsop(int start)
{
    vis[start]=1;
    mark[start]=num;
    cnt[num]++;
    for(int i=0;i<tmat[start].size();i++)
    {
        if(!vis[tmat[start][i]])
        {
            dfsop(tmat[start][i]);
        }
    }
}
int main()
{
    cin>>n>>m;
    node c;
    //int cnt=0;
    for(int i=1;i<=m;i++)
    {
        int s,e;
        cin>>s>>e;
        mat[s].push_back(e);
        tmat[e].push_back(s);
        c.s=s;
        c.e=e;
        arr[i]=c;
    }
    for(int i=1;i<=n;i++)
    {
        if(!vis[i])
        {
            dfs(i);
        }
    }
    memset(vis,0,sizeof(vis));
    while(!q.empty())
    {
        if(vis[q.top()]) {q.pop();continue;}
        ++num;
        dfsop(q.top());
        q.pop();
    }
    for(int i=1;i<=m;i++)
    {
        int s=arr[i].s,e=arr[i].e;
        if(mark[s]!=mark[e])
        {
            du[mark[s]]++;
        }
    }
   // int judge=1;
    //for(int i=1;i<=n;i++) cout<<mark[i]<<' ';
    //cout<<endl;
    //for(int i=1;i<=n;i++) cout<<du[i]<<' ';
    //cout<<endl;
    int sum=0;
    int ppp=0;
    for(int j=num;j>=1;j--)
    {
        if(du[j]==0) sum++;
    }
    for(int j=num;j>=1;j--)
    {
        if(du[j]==0) ppp=j;
    }
    if(sum==1)
        cout<<cnt[ppp]<<endl;
    else cout<<0<<endl;
    return 0;
}

内容概要:本文深入探讨了Kotlin语言在函数式编程和跨平台开发方面的特性和优势,结合详细的代码案例,展示了Kotlin的核心技巧和应用场景。文章首先介绍了高阶函数和Lambda表达式的使用,解释了它们如何简化集合操作和回调函数处理。接着,详细讲解了Kotlin Multiplatform(KMP)的实现方式,包括共享模块的创建和平台特定模块的配置,展示了如何通过共享业务逻辑代码提高开发效率。最后,文章总结了Kotlin在Android开发、跨平台移动开发、后端开发和Web开发中的应用场景,并展望了其未来发展趋势,指出Kotlin将继续在函数式编程和跨平台开发领域不断完善和发展。; 适合人群:对函数式编程和跨平台开发感兴趣的开发者,尤其是有一定编程基础的Kotlin初学者和中级开发者。; 使用场景及目标:①理解Kotlin中高阶函数和Lambda表达式的使用方法及其在实际开发中的应用场景;②掌握Kotlin Multiplatform的实现方式,能够在多个平台上共享业务逻辑代码,提高开发效率;③了解Kotlin在不同开发领域的应用场景,为选择合适的技术栈提供参考。; 其他说明:本文不仅提供了理论知识,还结合了大量代码案例,帮助读者更好地理解和实践Kotlin的函数式编程特性和跨平台开发能力。建议读者在学习过程中动手实践代码案例,以加深理解和掌握。
内容概要:本文深入探讨了利用历史速度命令(HVC)增强仿射编队机动控制性能的方法。论文提出了HVC在仿射编队控制中的潜在价值,通过全面评估HVC对系统的影响,提出了易于测试的稳定性条件,并给出了延迟参数与跟踪误差关系的显式不等式。研究为两轮差动机器人(TWDRs)群提供了系统的协调编队机动控制方案,并通过9台TWDRs的仿真和实验验证了稳定性和综合性能改进。此外,文中还提供了详细的Python代码实现,涵盖仿射编队控制类、HVC增强、稳定性条件检查以及仿真实验。代码不仅实现了论文的核心思想,还扩展了邻居历史信息利用、动态拓扑优化和自适应控制等性能提升策略,更全面地反映了群体智能协作和性能优化思想。 适用人群:具备一定编程基础,对群体智能、机器人编队控制、时滞系统稳定性分析感兴趣的科研人员和工程师。 使用场景及目标:①理解HVC在仿射编队控制中的应用及其对系统性能的提升;②掌握仿射编队控制的具体实现方法,包括控制器设计、稳定性分析和仿真实验;③学习如何通过引入历史信息(如HVC)来优化群体智能系统的性能;④探索中性型时滞系统的稳定性条件及其在实际系统中的应用。 其他说明:此资源不仅提供了理论分析,还包括完整的Python代码实现,帮助读者从理论到实践全面掌握仿射编队控制技术。代码结构清晰,涵盖了从初始化配置、控制律设计到性能评估的各个环节,并提供了丰富的可视化工具,便于理解和分析系统性能。通过阅读和实践,读者可以深入了解HVC增强仿射编队控制的工作原理及其实际应用效果。
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