CF 178B3 Greedy Merchants

本文解析了Codeforces上的一道经典题目B3,通过双连通分量分解的方法求解给定图中两点间桥的数量。介绍了如何利用LCA算法优化求解过程。

题目链接:http://codeforces.com/problemset/problem/178/B3

题目描述:

       现给定n个节点(1n)与m条无向边边(n,m <= 10^5),然后给定kk<= 10^5个询问,每个询问包含两个节点(ab),保证ab可达,求ab间的桥的数量。

       这题其实也算是比较经典的模板题,对于该无向图求桥,一般用的就是双连通分量分解,参照了网上的一个分解模板,分解之后,那么可以将每个连通分量看成一个节点,构造一颗树,那么树之间就是用桥相连的,那么对于同一个连通分量中,桥的数量就是0了,如果是不同的连通分量,那么求桥的数量其实就可以转化到求解LCA问题上面了,求一次LCA是log n, 这里就是n log n,比如说求解a,b之间的桥的数量,那么就是从a到a与b的最近公共祖先,然后在回到b,这里经过的边数,其实就是:

dep[ a ] + dep[ b ] - 2 * ( dep[ LCA(a, b) ] ),画下图应该会更容易理解。

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

const int MAXM = 1e5+5 ;
const int MAXN = 20 ;
int n, m, k ;
vector<int> G[MAXM], rG[MAXM] ;
//
int root ;
int parent[MAXN][MAXM] ;
int dep[MAXM] ;
pair<int,int> bridge[MAXM] ;
int pre[MAXM], bccNo[MAXM], bccTime, bccNum, bccBriNum ; //bccNo记录的是节点序号对应的连通分量号
stack<int> s ;
//对边的双连通分量
//
int deal(int u, int fa){
	int lowu = pre[u] = ++bccTime ;
	s.push(u) ;
	for( int i = 0; i < G[u].size(); i++ ){
		int v = G[u][i] ;
		if( !pre[v] ){
			int lowv = deal(v, u) ;
			lowu = min(lowu, lowv) ;
			if( lowv > pre[u] ){
				bridge[bccBriNum++] = make_pair(u, v) ;
			}
		}else if( pre[v] < pre[u] && v != fa ){
			lowu = min(lowu, pre[v]) ;
		}
	}	
	if( lowu == pre[u] ){
        bccNum++;
        while(1){
             int x = s.top() ;
			 s.pop() ;
             bccNo[x] = bccNum ;
             if(x == u)  break ; 
        }
     }
     return lowu ;
}
//
void bcc(){
	memset(pre,0,sizeof(pre)) ;
	bccTime = bccNum = bccBriNum = 0 ;
	deal(1,-1) ;
}
//
//LCA
//
void dfs(int v, int p, int d){
	parent[0][v] = p ;		
	dep[v] = d ;
	for( int i = 0; i < rG[v].size(); i++ ){
		if( rG[v][i] != p )	dfs(rG[v][i], v, d+1) ; 
	}
}
//
void init(int V){
	root = 1 ;
	dfs(root, -1, 1) ;
	for( int k = 0; k+1 < MAXN; k++ ){
		for( int j = 1; j <= V; j++ ){
			int v = bccNo[j] ;
			if( parent[k][v] < 0 )	parent[k+1][v] = -1 ;
			else	parent[k+1][v] = parent[k][parent[k][v]] ;
		} 
	}
}
//
int lca(int u, int v){
	if( dep[u] > dep[v] )	swap(u,v) ;
	for( int k = 0; k < MAXN; k++ ){
		if( (dep[v]-dep[u]) >> k & 1 ){
			v = parent[k][v] ;
		}
	} 
	if( u == v )	return u ;
	for( int k = MAXN-1; k >= 0; k-- ){
		if( parent[k][u] != parent[k][v] ){
			u = parent[k][u] ;
			v = parent[k][v] ;
		}
	}
	return parent[0][u] ;
}
//
int main(){
	//freopen("1234.in","r",stdin) ;
	scanf("%d%d",&n,&m) ;
	for( int i = 0; i < m; i++ ){
		int a, b ;
		scanf("%d%d",&a,&b) ;
		G[a].push_back(b) ;
		G[b].push_back(a) ;
	}
	//
	bcc() ;
	//重新构成树
	for( int i = 0; i < bccBriNum;i++ ){
		int a = bridge[i].first ;
        int b = bridge[i].second ;
        rG[bccNo[a]].push_back(bccNo[b]) ;
        rG[bccNo[b]].push_back(bccNo[a]) ;
	}
	init(n) ;
	//
	scanf("%d",&k) ;
	for( int i = 0; i < k; i++ ){
		int a, b ;
		scanf("%d%d",&a,&b) ;
		int t1 = bccNo[a], t2 = bccNo[b] ;	
		printf("%d\n",dep[t1]+dep[t2]-2*dep[lca(t1,t2)]) ;
	}
	return 0 ;
}


已经博主授权,源码转载自 https://pan.quark.cn/s/a4b39357ea24 常见问题解答 网页打开速度慢或者打不开网页? 受到多种因素的影响,对于非会员用户我们无法提供最优质的服务。 如果您希望得到最棒的体验,请至大会员页面("右上角菜单 → 大会员")根据说明操作。 请注意:受制于国际网络的诸多不确定性,我们无法对任何服务的可靠性做出任何保证。 如果出现了网络连接相关的问题,我们建议您先等待一段时间,之后再重试。 如果您在重试后发现问题仍然存在,请联系我们,并说明网络问题持续的时间。 图片下载后无法找到? 打开"右上角菜单 → 更多 → 修改下载路径",在弹出的对话框中可以看到当前图片的保存路径。 此外,由于网络因素,在保存图片之后,等待屏幕下方出现"已保存到..."后,才能在本地找到图片。 如何更改图片保存的目录? 请参见"右上角菜单 → 更多 → 修改下载路径"。 翻页不方便? 在点进某个图片后,通过在图片上向左或向右滑动,即可翻页查看下一个作品。 如何保存原图/导出动图? 长按图片/动图,在弹出的菜单中选择保存/导出即可。 输入账号密码后出现"进行人机身份验证"? 此为pixiv登陆时的验证码,请按照要求点击方框或图片。 在pxvr中注册pixiv账号后,收到验证邮件,无法访问邮件中的验证链接? 请复制邮件中的链接,打开pxvr中的"右上角菜单 → 输入地址"进行访问。 能否自动将页面内容翻译为汉语? 很抱歉,pxvr暂不提供语言翻译服务。 图片下载类型是否可以选择? 能否批量下载/批量管理下载? 已支持批量下载多图作品中的所有原图:找到一个多图作品,进入详情页面后,点击图片进入多图浏览模式,长按任意一张图片即可看到批量下载选项。 关于上述其他功能,我们...
考虑局部遮阴的光伏PSO-MPPT控制模型(Simulink仿真实现)内容概要:本文介绍了基于Simulink仿真实现的考虑局部遮阴的光伏PSO-MPPT控制模型,旨在通过粒子群优化(PSO)算法解决光伏发电系统在局部阴影条件下最大功率点跟踪(MPPT)的效率问题。文档不仅提供了该模型的技术实现方法,还列举了大量相关的MATLAB/Simulink仿真资源,涵盖电力系统、智能优化算法、机器学习、路径规划、信号处理等多个科研方向,适用于复现高水平期刊论文和开展创新性研究。文中强调科研需逻辑缜密、善于借力,并提倡结合实际仿真与理论分析以提升研究深度。 适合人群:具备一定电力电子、自动控制或新能源背景,熟悉MATLAB/Simulink环境,从事光伏系统优化、智能算法应用或相关领域研究的研发人员及硕博研究生。 使用场景及目标:①研究局部遮阴下光伏系统MPPT控制策略的性能提升;②利用PSO等智能优化算法解决非线性、多峰值优化问题;③复现SCI/EI级别论文中的MPPT控制模型;④开展光伏系统建模与仿真教学或项目开发。 阅读建议:建议读者结合文档提供的网盘资源,下载完整代码与模型文件,按照目录顺序逐步学习,重点理解PSO算法在MPPT中的应用机制,并通过修改参数、对比实验等方式深入掌握仿真细节,提升工程实践与科研创新能力。
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