poj3352 Road Construction

本文介绍了一种基于强连通分量(SCC)的算法来计算无向图中的桥的数量。通过使用深度优先搜索(DFS)并结合栈来追踪递归调用,该算法能够有效地找出所有桥并将结果用于进一步的分析。
#include <iostream>
#include <cstdio>
#include <cstring>
#include <stack>

using namespace std;

const int M = 1005;
struct node {

    int to;
    int next;
}num[M*3];
stack<int>s;
int head[M];
int ins[M];
int dfn[M];
int low[M];
int sccf[M];
int du[M];
int n, m;
int index, scc;
int e ;

void init() {

    index = 1;
    scc = 0;
    memset(head, -1, sizeof(head));
    memset(ins, 0, sizeof(ins));
    memset(low, 0, sizeof(low));
    memset(sccf, 0, sizeof(sccf));
    memset(du, 0, sizeof(du));
    memset(dfn, 0, sizeof(dfn));

}

void add(int a, int b) {

    num[e].to = b;
    num[e].next = head[a];
    head[a] = e++;
}

int getqiaoshu() {

 // printf("d %d\n", scc);
    int  v;
    for(int u = 1; u <= n; u++) {

        for(int k = head[u]; k != -1; k = num[k].next) {

            v = num[k].to;
            if(low[u] != low[v]) {

                du[low[u]]++;
            }
        }
    }
    int cont = 0;
    for(int i = 1; i <= n; i++) {

        if(du[i] == 1) {

            cont++;
        }
    }

    return (cont + 1)/2;
}

void Tanjian(int u, int p) {

    int v;
    low[u] = dfn[u] = index++;
    ins[u] = 1;
    s.push(u);
   for(int k = head[u]; k != -1; k = num[k].next) {

        v = num[k].to;
        if(v == p)  // 防止 a ->b 和 b -> a
            continue;
        if(!dfn[v]) {

            Tanjian(v, u);
            low[u] = min(low[v], low[u]);
        }
        else if(ins[v] == 1) {

            low[u] = min(low[v], low[u]);
        }

   }
    // ins[v] = 2;
   /*if(low[u] == dfn[u]) {

        scc++;
        do {

            v = s.top();
            s.pop();
            sccf[v] = scc;
            ins[v] = 0;
        }while(v != u);

   }*/

}

int main()
{
    int q = 1;
    int a, b;
    while(scanf("%d%d", &n, &m) != EOF) {

      //  printf("Sample Input %d\n", q++);

        init();
          e = 0;
        for(int i = 1; i <= m; i++) {

            scanf("%d%d", &a, &b);
            add(a, b);
            add(b, a);
        }
        for(int i = 1; i <= n; i++) {

            if(!dfn[i]) {

                Tanjian(i, i);
            }
        }

        int ans = getqiaoshu();
        printf("%d\n", ans);
    }


    return 0;
}


内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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