bzoj2707 走迷宫

博客围绕一个题目展开,当\(n \leqslant 100\)时可用\(O(n ^ 3)\)高斯消元,\(n \leqslant 10000\)则需先tarjan缩点建DAG。对于出度为0的强连通分量可直接高斯消元求解,按拓扑序对每个scc消元。还考虑了无解情况,如起点终点不连通等。

嘟嘟嘟

这题挺好想的,就是特别难写。

首先如果\(n \leqslant 100\),就是一个人人都会的\(O(n ^ 3)\)高斯消元。但现在\(n \leqslant 10000\)就不行了,不过数据给了提示,告诉我们强连通分量的大小最大为100。这启发我们首先得tarjan缩点,建出DAG。

然后我们观察自己列的方程,发现对于每一个强连通分量,未知数只有这个scc里的点和连出去的边到达的点。那么对于出度为0的scc,可以直接高斯消元求解。
这样我们建出反图,按照拓扑序对于每一个scc高斯消元,此题就做完了。复杂度\(O(100 ^ 3 * 100)\),非常担心bzoj能不能过,但还好他是过了的。

这里得考虑无解的情况。一是起点终点不连通;二是存在一个点,起点能到达,但是到不了终点,这样如果走入了这个点所在的scc就肯定走不到终点了。

刚开始没想清楚无解的第二种情况,就一直WA。前前后后写了两个点。

#include<cstdio>
#include<iostream>
#include<cmath>
#include<algorithm>
#include<cstring>
#include<cstdlib>
#include<cctype>
#include<vector>
#include<stack>
#include<queue>
#include<assert.h>
using namespace std;
#define enter puts("") 
#define space putchar(' ')
#define Mem(a, x) memset(a, x, sizeof(a))
#define In inline
typedef long long ll;
typedef double db;
const db INF = 1e14;
const db eps = 1e-10;
const int maxn = 1e4 + 5;
const int maxs = 105;
const int maxe = 2e6 + 5;
In ll read()
{
  ll ans = 0;
  char ch = getchar(), last = ' ';
  while(!isdigit(ch)) last = ch, ch = getchar();
  while(isdigit(ch)) ans = (ans << 1) + (ans << 3) + ch - '0', ch = getchar();
  if(last == '-') ans = -ans;
  return ans;
}
In void write(ll x)
{
  if(x < 0) x = -x, putchar('-');
  if(x >= 10) write(x / 10);
  putchar(x % 10 + '0');
}
In void MYFILE()
{
#ifndef mrclr
  freopen("ha.in", "r", stdin);
  freopen("ha.out", "w", stdout);
#endif
}

int n, m, s, t, du[maxn];
struct Edge
{
  int nxt, to;
}e[maxe];
int head[maxn], ecnt = -1;
In void addEdge(int x, int y)
{
  e[++ecnt] = (Edge){head[x], y};
  head[x] = ecnt;
}

bool vis[maxn];
In void dfs_con(int now)
{
  vis[now] = 1;
  for(int i = head[now], v; ~i; i = e[i].nxt)
    if(!vis[v = e[i].to]) dfs_con(v);
}

bool in[maxn];
int st[maxn], top = 0;
int dfn[maxn], low[maxn], cnt = 0;
int col[maxn], ccol = 0;
vector<int> scc[maxn];
In void dfs(int now)
{
  st[++top] = now; in[now] = 1;
  dfn[now] = low[now] = ++cnt;
  for(int i = head[now], v; ~i; i = e[i].nxt)
    {
      if(!dfn[v = e[i].to])
    {
      dfs(v);
      low[now] = min(low[now], low[v]);
    }
      else if(in[v]) low[now] = min(low[now], dfn[v]);
    }
  if(dfn[now] == low[now])
    {
      int x; ++ccol;
      do
    {
      x = st[top--]; in[x] = 0;
      col[x] = ccol;
      scc[ccol].push_back(x);
    }while(x ^ now);
    }
}

Edge e2[maxe];
int head2[maxn], ecnt2 = -1, du2[maxn];
In void addEdge2(int x, int y)
{
  e2[++ecnt2] = (Edge){head2[x], y};
  head2[x] = ecnt2;
}
In void buildGraph(int now)  //建反图
{
  int u = col[now];
  for(int i = head[now], v; ~i; i = e[i].nxt)
    if(u ^ (v = col[e[i].to])) addEdge2(v, u), ++du2[u];
}

db Ans[maxn];

int id[maxn], pos[maxn], cnt2;
db f[maxs][maxs];
int _Max = 0;
In void build2(int u)
{
  cnt2 = 0;
  for(int i = 0; i < (int)scc[u].size(); ++i) pos[++cnt2] = scc[u][i], id[scc[u][i]] = cnt2;
  Mem(f, 0);
  for(int i = 0; i < (int)scc[u].size(); ++i)
    {
      int now = scc[u][i];
      f[id[now]][id[now]] = f[id[now]][cnt2 + 1] = 1;
      for(int j = head[now], v; ~j; j = e[j].nxt)
    if(col[v = e[j].to] ^ u) f[id[now]][cnt2 + 1] += 1.0 / du[now] * Ans[v];
    else f[id[now]][id[v]] -= 1.0 / du[now];
    }
  if(col[t] == u) Mem(f[id[t]], 0), f[id[t]][id[t]] = 1;
}
In void Gauss(int u)
{
  build2(u);
  for(int i = 1; i <= cnt2; ++i)
    {
      int pos = i;
      for(int j = i + 1; j <= cnt2; ++j)
    if(fabs(f[j][i]) > fabs(f[pos][i])) pos = j;
      if(pos ^ i) swap(f[pos], f[i]);
      if(fabs(f[i][i]) < eps) continue;
      db tp = f[i][i];
      assert(fabs(tp) > eps);
      for(int j = i; j <= cnt2 + 1; ++j) f[i][j] /= tp;
      for(int j = i + 1; j <= cnt2; ++j)
    {
      db tp = f[j][i];
      for(int k = i; k <= cnt2 + 1; ++k) f[j][k] -= tp * f[i][k];
    }
    }
  for(int i = cnt2; i > 0; --i)
    {
      Ans[pos[i]] = f[i][cnt2 + 1];
      for(int j = i - 1; j > 0; --j) f[j][cnt2 + 1] -= f[j][i] * f[i][cnt2 + 1];
    }
}

In void topo()
{
  queue<int> q; q.push(col[t]);
  while(!q.empty())
    {
      int now = q.front(); q.pop();
      Gauss(now);
      for(int i = head2[now], v; ~i; i = e2[i].nxt)
    if(!--du2[v = e2[i].to]) q.push(v);
    }
}

int main()
{
  //MYFILE();
  Mem(head, -1), Mem(head2, -1);
  n = read(), m = read(), s = read(), t = read();
  for(int i = 1; i <= m; ++i)
    {
      int x = read(), y = read();
      addEdge(x, y); ++du[x];
    }
  for(int i = 1; i <= n; ++i) if(!dfn[i]) dfs(i);
  dfs_con(1);
  if(!vis[t]) {puts("INF"); return 0;}
  for(int i = 1; i <= n; ++i) buildGraph(i);
  for(int i = 1; i <= n; ++i)
    if(vis[i] && !du2[col[i]] && col[i] != col[t]) {puts("INF"); return 0;}
  topo();
  if(Ans[s] == INF) puts("INF");
  else printf("%.3lf\n", Ans[s]);
  return 0;
}

转载于:https://www.cnblogs.com/mrclr/p/10885481.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