连通图之HDU3639 Hawk-and-Chicken

本文详细介绍了如何使用Tarjan算法解决图论问题,特别是求解缩点后的图中各点的最大supports值。通过正向建图与bfs求解,最终采用反向建图与dfs优化实现AC。代码示例清晰,适合图论初学者参考。

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

这道题我做了一个下午,真的很为自己的智商捉鸡。题意是理解了,思路也是都对的,就是很sb的用了bfs!!!然后做了一个下午。

先讲下思路吧,首先缩点,然后求缩点后的图中个点的最大supports值,这个点肯定是在出度为0的点当中。缩点用Tarjan,然后我选择了正向建图,用bfs求supports值最大的答案。(ps:用bfs是不对,或者说可以求,但是很麻烦,你会把求过的supports值多次重复累加~)实在受不了了就反向建图,然后写了个dfs,ac了。而且代码比bfs的要好写~


#include <stdio.h>
#include <ctype.h>
#include <string.h>
#include <stdlib.h>
#include <limits.h>
#include <math.h>
#include <algorithm>
#include <stack>
#include <queue>
#include <vector>
#include <map>
#include <set>
#include <string>
#include <sstream>
using namespace std;

#define lson l,m,rt<<1
#define rson m+1,r,rt<<1|1

typedef long long LL;
const double pi=4.0*atan(1.0);
const int MAXN=6005;
vector<int> g[MAXN];
vector<int> topo[MAXN];
int dfn[MAXN],lowlink[MAXN],sccno[MAXN],dfs_clock,scc_cnt;
stack<int> s;
int sum[MAXN],sign[MAXN],ans[MAXN],in[MAXN];
void dfs(int u)
{
	dfn[u]=lowlink[u]=++dfs_clock;
	s.push(u);
	for(int i=0;i<g[u].size();i++)
	{
		int v=g[u][i];
		if(!dfn[v])
		{
			dfs(v);
			lowlink[u]=min(lowlink[u],lowlink[v]);
		}
		else if(!sccno[v])
		{
			lowlink[u]=min(lowlink[u],dfn[v]);
		}
	}

	if(lowlink[u]==dfn[u])
	{
		scc_cnt++;
		while(1)
		{
			int x=s.top();
			s.pop();
			sum[scc_cnt]++;
			sccno[x]=scc_cnt;
			if(x==u)
				break;
		}
	}
}

void Tarjan(int n)
{
	dfs_clock=scc_cnt=0;
	memset(lowlink,0,sizeof(lowlink));
	memset(sccno,0,sizeof(sccno));
	memset(dfn,0,sizeof(dfn));
	memset(sum,0,sizeof(sum));
	while(!s.empty())
		s.pop();

	for(int i=0;i<n;i++)//下标0到n-1
		if(!dfn[i])
			dfs(i);
}

int vis[MAXN];
int dfs2(int k)
{
	int tot=sum[k];
	vis[k]=1;
	for(int i=0;i<topo[k].size();i++)
	{
		int v=topo[k][i];
		if(vis[v]==0)
		{
			tot+=dfs2(v);
		}
	}
	return tot;
}
int main()
{
	int i,j,k;
	int T;
	int n,m;
	//freopen("3639.in","r",stdin);
	//freopen("36.txt","w",stdout);
	while(scanf("%d",&T)!=EOF)
	{
		for(int cas=1;cas<=T;cas++)
		{
			scanf("%d%d",&n,&m);
			for(i=0;i<=n;i++)
			{
				g[i].clear();
				topo[i].clear();
			}
			for(i=1;i<=m;i++)
			{
				scanf("%d%d",&j,&k);
				g[j].push_back(k);
			}
			Tarjan(n);
			memset(in,0,sizeof(in));
			for(i=0;i<n;i++)
				for(j=0;j<g[i].size();j++)
					if(sccno[i]!=sccno[g[i][j]])
					{
						topo[sccno[g[i][j]]].push_back(sccno[i]);
						in[sccno[i]]++;
					}
			memset(ans,0,sizeof(ans));
			int Max=-1;
			for(i=1;i<=scc_cnt;i++)
			{
				if(in[i]==0)
				{
					memset(vis,0,sizeof(vis));
					ans[i]=dfs2(i)-1;
					Max=max(Max,ans[i]);
				}
			}

			int total=0;
			for(i=1;i<=scc_cnt;i++)
			{
				if(ans[i]==Max)
				{
					for(j=0;j<n;j++)
						if(sccno[j]==i)
						{
							in[total++]=j;
						}
				}
			}
			sort(in,in+total);
			printf("Case %d: %d\n",cas,Max);
			for(i=0;i<total;i++)
				if(i==0)
					printf("%d",in[i]);
				else
					printf(" %d",in[i]);
			printf("\n");
		}
	}
	return 0;
}


内容概要:本文详细探讨了基于阻尼连续可调减振器(CDC)的半主动悬架系统的控制策略。首先建立了CDC减振器的动力学模型,验证了其阻尼特性,并通过实验确认了模型的准确性。接着,搭建了1/4车辆悬架模型,分析了不同阻尼系数对悬架性能的影响。随后,引入了PID、自适应模糊PID和模糊-PID并联三种控制策略,通过仿真比较它们的性能提升效果。研究表明,模糊-PID并联控制能最优地提升悬架综合性能,在平顺性和稳定性间取得最佳平衡。此外,还深入分析了CDC减振器的特性,优化了控制策略,并进行了系统级验证。 适用人群:从事汽车工程、机械工程及相关领域的研究人员和技术人员,尤其是对车辆悬架系统和控制策略感兴趣的读者。 使用场景及目标:①适用于研究和开发基于CDC减振器的半主动悬架系统的工程师;②帮助理解不同控制策略(如PID、模糊PID、模糊-PID并联)在悬架系统中的应用及其性能差异;③为优化车辆行驶舒适性和稳定性提供理论依据和技术支持。 其他说明:本文不仅提供了详细的数学模型和仿真代码,还通过实验数据验证了模型的准确性。对于希望深入了解CDC减振器工作原理及其控制策略的读者来说,本文是一份极具价值的参考资料。同时,文中还介绍了多种控制策略的具体实现方法及其优缺点,为后续的研究和实际应用提供了有益的借鉴。
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