[BZOJ3534][Sdoi2014]重建(矩阵树定理)

本文介绍了一种计算洪水后城市间道路连通概率的方法。通过构建概率图模型,结合矩阵树定理,实现对特定条件下城市网络连通性的评估。

Description

T 国有 NN 个城市,用若干双向道路连接。一对城市之间至多存在一条道路。
在一次洪水之后,一些道路受损无法通行。虽然已经有人开始调查道路的损毁情况,但直到现在几乎没有消息传回。
幸运的是,此前 T 国政府调查过每条道路的强度,现在他们希望只利用这些信息估计灾情。具体地,给定每条道路在洪水后仍能通行的概率,请计算仍能通行的道路恰有 N1 条,且能联通所有城市的概率。

Input

输入的第一行包含整数 NN
接下来 N 行,每行 NN 个实数,第 i+1 行,列的数 G[i][j]G[i][j] 表示城市 iij 之间仍有道路联通的概率。
输入保证 G[i][j]=G[j][i]G[i][j]=G[j][i] ,且 G[i][j]=0G[i][j]=0G[i][j]G[i][j] 至多包含两位小数。

Output

输出一个任意位数的实数表示答案。
你的答案与标准答案相对误差不超过 10410−4 即视为正确。

Sample Input

3
0 0.5 0.5
0.5 0 0.5
0.5 0.5 0

Sample Output

0.375

HINT

1<N501<N≤50
数据保证答案非零时,答案不小于 10410−4

Solution

题意就是求( ee 表示一条边, T 表示原图的一棵生成树, P(e)P(e) 表示 边 ee 出现的概率):

ans=TeTP(e)eT(1P(e))

发现既要考虑生成树上的边,又要考虑生成树外的边,不好做,因此先假设所有的边都不存在:

now=e(1P(e))now=∏e(1−P(e))

然后求生成树:
delta=TeTP(e)1P(e)delta=∑T∏e∈TP(e)1−P(e)

将上面两者相乘:
now×delta=Te(1P(e))eTP(e)1P(e)now×delta=∑T∏e(1−P(e))∏e∈TP(e)1−P(e)

=TeT(1P(e))eT(1P(e))eTP(e)1P(e)=∑T∏e∉T(1−P(e))∏e∈T(1−P(e))∏e∈TP(e)1−P(e)

=TeT(1P(e))P(e)1P(e)eT(1P(e))=∑T∏e∈T(1−P(e))P(e)1−P(e)∏e∉T(1−P(e))

=TeTP(e)eT(1P(e))=ans=∑T∏e∈TP(e)∏e∉T(1−P(e))=ans

而现在就是要求出 deltadelta
将 Matrix-Tree 矩阵树定理进行扩展,可以得到:
如果定义矩阵 DDD[i][i] 为从 ii 发出的边权之和, D[i][j]=0(ij)
矩阵 AA 为邻接矩阵, A[i][j] 为边 (i,j)(i,j) 的边权,
矩阵 C=DAC=D−A
那么 CC 的任意主子式就等于图的所有生成树的边权积之和。
也就是
T(i,j)TA[i][j]

所以,就可以建一个新图,边 ee 的权值为 P(e)1P(e)
求出 CC 矩阵后用高斯消元求解行列式就可以得到 delta
此外, P(e)P(e) 有可能是 001 ,这样会出现除以 00 的计算。
因此要用一个极小值 eps (一般取 10810−810910−9 ),
P(e)=0P(e)=0 时,用 epseps 代替 00
P(e)=1 时,用 1eps1−eps 代替 11
复杂度: O(n3)

Code

#include <cmath>
#include <cstdio>
#include <cstring>
#include <iostream>
#include <algorithm>
#define For(i, a, b) for (i = a; i <= b; i++)
using namespace std; const int N = 55; const double eps = 1e-8;
int n; double p[N][N], mat[N][N], ans0 = 1.0;
double solve(int n) {
    int i, j, k; For (i, 1, n) {
        int p = i; For (j, i + 1, n)
            if (fabs(mat[j][i]) > fabs(mat[p][i])) p = j;
        if (p != i) For (j, i, n) swap(mat[i][j], mat[p][j]);
        if (fabs(mat[i][i]) < eps) return 0; For (j, i + 1, n) {
            double tmp = mat[j][i] / mat[i][i];
            For (k, i, n) mat[j][k] -= mat[i][k] * tmp;
        }
    }
    double ans = 1; For (i, 1, n) ans *= mat[i][i]; return fabs(ans);
}
int main() {
    int i, j; cin >> n; For (i, 1, n) For (j, 1, n) scanf("%lf", &p[i][j]),
        i != j && p[i][j] < eps ? p[i][j] = eps : 0,
        i != j && 1.0 - p[i][j] < eps ? p[i][j] = 1.0 - eps : 0;
    For (i, 1, n) For (j, i + 1, n) ans0 = ans0 * (1.0 - p[i][j]);
    For (i, 1, n) For (j, 1, n) if (i != j) mat[i][j] = -p[i][j] / (1.0 - p[i][j]);
    For (i, 1, n) For (j, 1, n) if (i != j) mat[i][i] -= mat[i][j];
    printf("%.10lf\n", solve(n - 1) * ans0); return 0;
}
标题基于Python的自主学习系统后端设计与实现AI更换标题第1章引言介绍自主学习系统的研究背景、意义、现状以及本文的研究方法和创新点。1.1研究背景与意义阐述自主学习系统在教育技术领域的重要性和应用价值。1.2国内外研究现状分析国内外在自主学习系统后端技术方面的研究进展。1.3研究方法与创新点概述本文采用Python技术栈的设计方法和系统创新点。第2章相关理论与技术总结自主学习系统后端开发的相关理论和技术基础。2.1自主学习系统理论阐述自主学习系统的定义、特征和理论基础。2.2Python后端技术栈介绍DjangoFlask等Python后端框架及其适用场景。2.3数据库技术讨论关系型和非关系型数据库在系统中的应用方案。第3章系统设计与实现详细介绍自主学习系统后端的设计方案和实现过程。3.1系统架构设计提出基于微服务的系统架构设计方案。3.2核心模块设计详细说明用户管理、学习资源管理、进度跟踪等核心模块设计。3.3关键技术实现阐述个性化推荐算法、学习行为分析等关键技术的实现。第4章系统测试与评估对系统进行功能测试和性能评估。4.1测试环境与方法介绍测试环境配置和采用的测试方法。4.2功能测试结果展示各功能模块的测试结果和问题修复情况。4.3性能评估分析分析系统在高并发等场景下的性能表现。第5章结论与展望总结研究成果并提出未来改进方向。5.1研究结论概括系统设计的主要成果和技术创新。5.2未来展望指出系统局限性并提出后续优化方向。
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