[Bzoj 2730] [HNOI2012] 矿场搭建

本文介绍了一道HNOI2012竞赛题“矿场搭建”的解决方案,通过点双联通分量及割点分析确定救援出口的最少数量与配置方案,适用于算法竞赛学习。

2730: [HNOI2012]矿场搭建

Time Limit: 10 Sec  Memory Limit: 128 MB
Submit: 2611  Solved: 1238
[Submit][Status][Discuss]

Description

煤矿工地可以看成是由隧道连接挖煤点组成的无向图。为安全起见,希望在工地发生事故时所有挖煤点的工人都能有一条出路逃到救援出口处。于是矿主决定在某些挖煤点设立救援出口,使得无论哪一个挖煤点坍塌之后,其他挖煤点的工人都有一条道路通向救援出口。请写一个程序,用来计算至少需要设置几个救援出口,以及不同最少救援出口的设置方案总数。

Input

输入文件有若干组数据,每组数据的第一行是一个正整数 N(N≤500),表示工地的隧道数,接下来的 N 行每行是用空格隔开的两个整数 S 和 T,表示挖       S 与挖煤点 T 由隧道直接连接。输入数据以 0 结尾。

Output

输入文件中有多少组数据,输出文件 output.txt 中就有多少行。每行对应一组输入数据的 结果。其中第 i 行以 Case i: 开始(注意大小写,Case 与 i 之间有空格,i 与:之间无空格,: 之后有空格),其后是用空格隔开的两个正整数,第一个正整数表示对于第 i 组输入数据至少需 要设置几个救援出口,第二个正整数表示对于第 i 组输入数据不同最少救援出口的设置方案总 数。输入数据保证答案小于 2^64。

Solution

先求出点双联通分量。然后计算出每个点双内有几个割点。

分类讨论

如果割点数大于等于2,那么在这个点双里不用建出口。因为无论哪个割点塌了,都可以通过另一个割点到别的点双上的出口。

如果割点数为1,那么可以在除了割点的任何一个非割点上建出口。因为:如果塌的是割点,那么点双里就有出口,如果塌的是出口,则可以通过割点去别的点双。

如果割点数为0,那么要建两个出口。因为没有割点,所以不能从这个点双到达其它任何一个点双。所以要建两个出口。

Code

// By YoungNeal
#include<cstdio> #include<cstring> #include<iostream> #define N 1005 #define int long long int n,m,root; int head[N]; bool cut[N]; int dcc[N][N]; int stk[N],top; int cnt,sum,tot; int dfn[N],low[N]; struct Edge{ int to,nxt; }edge[N<<1]; void add(int x,int y){ edge[++cnt].to=y; edge[cnt].nxt=head[x]; head[x]=cnt; } void tarjan(int now){ dfn[now]=low[now]=++sum; stk[++top]=now; if(now==root&&head[now]==0){ tot++; dcc[tot][0]=3; dcc[tot][3]=now; return; } int flag=0; for(int i=head[now];i;i=edge[i].nxt){ int to=edge[i].to; if(!dfn[to]){ tarjan(to); low[now]=std::min(low[now],low[to]); if(dfn[now]<=low[to]){ flag++; if(flag>1||now!=root) cut[now]=1; int y;tot++;dcc[tot][0]=2; do{ y=stk[top--]; dcc[tot][++dcc[tot][0]]=y; }while(y!=to); dcc[tot][++dcc[tot][0]]=now; } } else low[now]=std::min(low[now],dfn[to]); } } void clear(){ tot=cnt=sum=top=n=0; memset(low,0,sizeof low); memset(dfn,0,sizeof dfn); memset(dcc,0,sizeof dcc); memset(cut,0,sizeof cut); memset(edge,0,sizeof edge); memset(head,0,sizeof head); } signed main(){ int T=0; while(++T){ scanf("%lld",&m); if(!m) return 0; clear(); for(int x,y,i=1;i<=m;i++){ scanf("%lld%lld",&x,&y); add(x,y);add(y,x); n=std::max(n,std::max(x,y)); } for(int i=1;i<=n;i++){ if(!dfn[i]) root=i,tarjan(i); } for(int i=1;i<=tot;i++){ for(int j=3;j<=dcc[i][0];j++){ if(cut[dcc[i][j]]) dcc[i][1]++; else dcc[i][2]++; } } int ans=0,fangan=1; for(int i=1;i<=tot;i++){ if(dcc[i][1]>=2) continue; if(dcc[i][1]==1) ans++,fangan*=dcc[i][2]; else ans+=2,fangan*=dcc[i][2]*(dcc[i][2]-1)/2; } printf("Case %lld: %lld %lld\n",T,ans,fangan); } }

 

转载于:https://www.cnblogs.com/YoungNeal/p/8643429.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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