hdu 1068 Girls and Boys

本文探讨了二分图匹配的基本概念及其与最小点覆盖、最大独立集的关系,并详细介绍了匈牙利算法的具体实现过程。通过实例代码展示了如何求解二分图的最大匹配数,以及如何在无向图中应用这一算法。

这道题和hdu 1054同样是二分图匹配相关的问题。
二分图
最大匹配数=最小点覆盖数。

DAG 最小路径覆盖=顶点数-最大匹配数

最大独立集=顶点数-最大匹配数。

当一个图是无向图时,需要从每一个顶点进行最大匹配查找,所以无向图的最大匹配数是求出的最大匹配数/2;
或者可以理解为: 当图是无向图时, 左边的集合是包含了所有的顶点, 是有向图时,只包含了一部分顶点。

匈牙利算法:

 vector<int> left_set;
 vecto<int> adj[n];// n is the node num
// adj is a array or vector is the set of adj node of v;

bool dfs(int v){

    for(int i=0;i<adj[v].size();i++){
        if(!visited[adj[v][i]])
        {
            visited[adj[v][i]]=true;
            if(match[adj[v][i]]==-1||dfs(match[adj[v][i]]){
                match[adj[v][i]]=v;
                return true;
            }
        }
    }

}

int hungarian(){
    int num=0;
    for(int i=0;i<left_set.size();i++){  // 对于无向图 left_set 是整个集合
        memset(visited,false,sizeof(visited));
        if(dfs(left_set[i]) num++;
    }
}

另外对于多组输入数据,记得每处理一组数据后,把一些变量重新设为初始状态,比如,清空vector
重置状态数组为初始状态等。

下面是代码:

#include <iostream>


#include<cstdio>
#include<vector>
#include<cstring>
using namespace std;


#define MAX 100000
vector<int> stu[MAX];

int match[MAX];
bool visited[MAX];

int n;
bool  dfs(int i){


    for(int j=0;j<stu[i].size();j++){

        int tmp=stu[i][j];

        //not have visited
        if(!visited[tmp]){

            visited[tmp]=true;

            if(match[tmp]==-1||dfs(match[tmp])){


                match[tmp]=i;
                return true;
            }
        }

    }

    return false;
}

int hungarian(){



    memset(match,-1,sizeof(match));
    int num=0;
    for(int i=0;i<n;i++){

        memset(visited,false,sizeof(visited));

        if(dfs(i)) num++;

    }
    return num;
}

int main()
{
    while(scanf("%d",&n)!=EOF){

        int id,r; // id and the num

        for(int i=0;i<n;i++) stu[i].clear();
        for(int i=0;i<n;i++){

            scanf("%d: (%d)",&id,&r);

            for(int j=0;j<r;j++){

                int tmp;
                cin>>tmp;

                stu[id].push_back(tmp);
            }
        }

        int matchNum=hungarian()/2;
        int result=0;
        result=n-matchNum;
        cout<<result<<endl;

    }
    return 0;
}
基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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