POJ 3180 The Cow Prom tarjan

本文详细解析了一种用于求解有向图中包含节点个数大于等于2的强连通分量数量的算法,通过Tarjan算法实现,并提供了一个实际应用示例。

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

http://poj.org/problem?id=3180

还牛举行正式舞会,无语 题意写的那么纠结干嘛

就是求一个有向图中 所含节点个数 大于等于2的强连通分量的个数

代码:

#include<iostream>
#include<cstdio>
#include<string>
#include<cstring>
#define Min(a,b)a<b?a:b
#define nMAX 10002
#define mMAX 50002
using namespace std;
int head[nMAX],dfn[nMAX],low[nMAX],stack[nMAX],node_sta[nMAX];//栈中点的个数
int s_edge,n,top,atype,times;
bool insta[nMAX];
struct
{
    int to,next;
}edge[mMAX];

void addedge(int u,int v)
{
    s_edge++;
    edge[s_edge].to=v;
    edge[s_edge].next=head[u];
    head[u]=s_edge;
    return ;
}


void tarjan(int u)
{
    dfn[u]=++times;
    low[u]=times;

    insta[u]=1;
    stack[++top]=u;

    int e;
    for(e=head[u];e;e=edge[e].next)
    {
        int v=edge[e].to;
        if(!dfn[v])
        {
            tarjan(v);
            low[u]=Min(low[u],low[v]);
        }
        else if(insta[v])//!!!
             low[u]=Min(low[u],dfn[v]);
    }

    int j;
    if(low[u]==dfn[u])
    {
        atype++;
        do
        {
          j=stack[top--];
          insta[u]=0;
          node_sta[atype]++;
        }while(j!=u);
    }
    return ;
}

void init()
{
    s_edge=0;
    top=0;
    atype=0;
    times=0;
    memset(head,0,sizeof(head));
    memset(insta,0,sizeof(insta));
    memset(dfn,0,sizeof(dfn));
    memset(low,0,sizeof(low));
    memset(node_sta,0,sizeof(node_sta));
    return ;
}

int main()
{
    int m,u,v,i;
    while(~scanf("%d%d",&n,&m))
    {
        init();
        while(m--)
        {
            scanf("%d%d",&u,&v);
            addedge(u,v);
        }
        for(i=1;i<=n;i++)
            if(!dfn[i])
              tarjan(i);

        int ans=0;
        for(i=1;i<=atype;i++)
            if(node_sta[i]>=2)
               ans++;
        printf("%d\n",ans);
    }
    return 0 ;
}

  

转载于:https://www.cnblogs.com/sdau10kuaile/archive/2012/02/10/2344772.html

内容概要:《中文大模型基准测评2025年上半年报告》由SuperCLUE团队发布,详细评估了2025年上半年中文大模型的发展状况。报告涵盖了大模型的关键进展、国内外大模型全景图及差距、专项测评基准介绍等。通过SuperCLUE基准,对45个国内外代表性大模型进行了六大任务(数学推理、科学推理、代码生成、智能体Agent、精确指令遵循、幻觉控制)的综合测评。结果显示,海外模型如o3、o4-mini(high)在推理任务上表现突出,而国内模型如Doubao-Seed-1.6-thinking-250715在智能体Agent和幻觉控制任务上表现出色。此外,报告还分析了模型性价比、效能区间分布,并对代表性模型如Doubao-Seed-1.6-thinking-250715、DeepSeek-R1-0528、GLM-4.5等进行了详细介绍。整体来看,国内大模型在特定任务上已接近国际顶尖水平,但在综合推理能力上仍有提升空间。 适用人群:对大模型技术感兴趣的科研人员、工程师、产品经理及投资者。 使用场景及目标:①了解2025年上半年中文大模型的发展现状与趋势;②评估国内外大模型在不同任务上的表现差异;③为技术选型和性能优化提供参考依据。 其他说明:报告提供了详细的测评方法、评分标准及结果分析,确保评估的科学性和公正性。此外,SuperCLUE团队还发布了多个专项测评基准,涵盖多模态、文本、推理等多个领域,为业界提供全面的测评服务。
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