UVA 11324 - The Largest Clique(SCC缩点 + DP)

题目链接:点击打开链接

思路:如果没有环, 该题就是DAG上最长路, 现在有环, 我们把强连通分量缩点, 那么缩点之后的图就是一个DAG, 可以用DP求解, 用d[i]表示以i结尾的最长路距离。

细节参见代码:

#include <cstdio>
#include <cstring>
#include <algorithm>
#include <iostream>
#include <string>
#include <vector>
#include <stack>
#include <bitset>
#include <cstdlib>
#include <cmath>
#include <set>
#include <list>
#include <deque>
#include <map>
#include <queue>
#define Max(a,b) ((a)>(b)?(a):(b))
#define Min(a,b) ((a)<(b)?(a):(b))
using namespace std;
typedef long long ll;
typedef long double ld;
const ld eps = 1e-9, PI = 3.1415926535897932384626433832795;
const int mod = 1000000000 + 7;
const int INF = 0x3f3f3f3f;
// & 0x7FFFFFFF
const int seed = 131;
const ll INF64 = ll(1e18);
const int maxn = 1e3 + 10;
int T,n,m,u,v,pre[maxn],kase=0,lowlink[maxn], sccno[maxn], dfs_clock, scc_cnt,d[maxn], vis[maxn],cnt[maxn];
vector<int> g[maxn], G[maxn ];
stack<int> S;
void dfs(int u) {
    pre[u] = lowlink[u] = ++dfs_clock;
    S.push(u);
    int len = g[u].size();
    for(int i = 0; i < len; i++) {
        int v = g[u][i];
        if(!pre[v]) {
            dfs(v);
            lowlink[u] = min(lowlink[u], lowlink[v]);
        }
        else if(!sccno[v]) {
            lowlink[u] = min(lowlink[u], pre[v]);
        }
    }
    if(lowlink[u] == pre[u]) {
        scc_cnt++;
        for(;;) {
            int x = S.top(); S.pop();
            sccno[x] = scc_cnt;
            if(x == u) break;
        }
    }
}
void find_scc(int n) {
    for(int i = 1; i <= n; i++) {
        if(!pre[i]) dfs(i);
    }
}
void init(int n) {
    dfs_clock = scc_cnt = 0;
    for(int i = 1; i <= n; i++) {
        g[i].clear();
        sccno[i] = pre[i] = 0;
    }
}
int dp(int i) {
    int& ans = d[i];
    if(vis[i] == kase) return ans;
    vis[i] = kase;
    int len = G[i].size();
    if(len == 0) return ans = cnt[i];
    ans = 0;
    for(int j = 0; j < len; j++) {
        int v = G[i][j];
        ans = max(ans, dp(v) + cnt[i]);
    }
    return ans;
}
int main() {
    scanf("%d",&T);
    while(T--) {
        scanf("%d%d",&n,&m);
        init(n);
        for(int i = 1; i <= m; i++) {
            scanf("%d%d",&u,&v);
            g[u].push_back(v);
        }
        find_scc(n);
        for(int i = 1; i <= scc_cnt; i++) G[i].clear(), cnt[i] = 0;
        for(int i = 1; i <= n; i++) cnt[sccno[i]]++;

        for(int u = 1; u <= n; u++) {
            int len = g[u].size();
            for(int j = 0; j < len; j++) {
                int v = g[u][j];
                if(sccno[u] != sccno[v]) G[sccno[u]].push_back(sccno[v]);
            }
        }
        int ans = 0;    ++kase;
        for(int i = 1; i <= scc_cnt; i++) {
            int cur = dp(i);
            ans = max(ans, cur);
        }
        printf("%d\n", ans);
    }
    return 0;
}


### k-clique 的概念及其在社交网络中的应用 在一个无向图 \( G=(V,E) \) 中,如果存在一个子图使得其中任意两个不同的顶都由一条边直接相连,则此子图称为完全图或者团 (clique)[^1]。当这个完全图恰好有 \( k \) 个节时,就称之为 \( k \)-clique 或者 \( k \)-团。 对于社交网络而言,\( k \)-clique 可以用来表示一组高度互联的朋友群组,在这样的群组里每个人都是其他人的朋友或者是彼此间的关系非常密切。寻找这些紧密联系的小团体有助于深入理解社会关系网内部结构特征,并可用于多种实际应用场景之中,比如推荐新朋友、预测信息扩散路径等。 #### 寻找最大 \( k \)-clique 的基本思路 为了有效地找出所有的 \( k \)-cliques,可以采用递归的方式遍历整个图形: - **初始化阶段**:设定初始参数,包括待探索的最小团大小 \( k_{min} \),以及当前正在考察的最大已知团尺寸 \( max\_size \)- **剪枝操作**:利用一些先验条件提前终止不必要的搜索分支,减少计算量。例如,若某节剩余邻居数目不足以构成新的更大团,则可以直接跳过对该节进一步深挖的可能性。 - **回溯过程**:从单个起出发逐步扩大候选集合直到满足预设阈值为止;一旦发现符合条件的新团即记录下来并尝试继续延伸至更高阶数;如果不成功则返回至上一状态重新选取不同方向前进。 具体到实现层面,KClist++ 提出了基于 Frank-Wolfe 算法框架来优化这一流程,它能够动态调整各定的重要性评分从而指导后续的选择决策,不过其缺在于每次迭代都要重做一次完整的枚举工作,导致整体耗时较长[^3]。 另一方面,针对传统方法中存在的效率瓶颈问题——特别是那些依赖于频繁执行最大流运算或是反复求解所有可能存在的 \( k \)-Clique 的方案——研究者们也在不断探索更加高效的替代途径,旨在降低算法复杂度的同时提升处理速度和适用范围[^4]。 ```python def find_k_cliques(graph, k): cliques = [] def extend_candidates(current_set, candidates): nonlocal graph if len(current_set) >= k: is_complete = all((u,v) in graph.edges or (v,u) in graph.edges for u in current_set for v in current_set if u != v) if is_complete and sorted(list(current_set)) not in map(sorted, cliques): cliques.append(set(current_set)) elif candidates: candidate_node = next(iter(candidates)) neighbors_of_candidate = set([n for n in graph.neighbors(candidate_node)]) new_candidates_with_node = candidates.intersection(neighbors_of_candidate) extend_candidates(current_set | {candidate_node}, new_candidates_with_node) new_candidates_without_node = candidates.difference({candidate_node}) extend_candidates(current_set, new_candidates_without_node) nodes = list(graph.nodes()) while nodes: node_to_start = nodes.pop() initial_neighbors = set(graph.neighbors(node_to_start)) extend_candidates({node_to_start}, initial_neighbors) return cliques ```
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