[BZOJ1143][CTSC2008]祭祀river(Dilworth定理+二分图匹配)

二分图好强呀。

Source

https://www.lydsy.com/JudgeOnline/problem.php?id=1143

Solution

先介绍一些概念:
反链:图中所有点的一个子集,子集中任意两点不能相互到达。
最长反链:包含点数最多的反链。题目要求的就是一张有向图的最长反链。
最小路径覆盖:用最少的路径条数,把图中所有的点都走过至少一遍。最小路径覆盖就是这种情况下所用的路径条数。
Dilworth 定理:最长反链等于最小路径覆盖。
根据 Dilworth 定理,该问题即为求有向无环图的最小路径覆盖。
求有向无环图最小路径覆盖的方法:
(1)将一个点 i i 拆成两个点 i i i ′ ,分别放在二分图的两边。
(2)对于一对点 i i j ,如果有向无环图中 i i 能到达 j ,那么就连边 (i,j) ( i , j ′ )
(3)最小路径覆盖 = = 有向无环图的点数 最大匹配数。

Code

#include <cmath>
#include <cstdio>
#include <cstring>
#include <iostream>
#include <algorithm>
#define For(i, a, b) for (i = a; i <= b; i++)
#define Edge(u) for (int e = adj[u], v; e; e = nxt[e])
using namespace std;
inline int read() {
    int res = 0; bool bo = 0; char c;
    while (((c = getchar()) < '0' || c > '9') && c != '-');
    if (c == '-') bo = 1; else res = c - 48;
    while ((c = getchar()) >= '0' && c <= '9')
        res = (res << 3) + (res << 1) + (c - 48);
    return bo ? ~res + 1 : res;
}
const int N = 405, M = 3e5 + 5;
int n, m, ecnt, nxt[M], adj[N], go[M], T, my[N], vis[N];
bool g[N][N];
void add_edge(int u, int v) {
    nxt[++ecnt] = adj[u]; adj[u] = ecnt; go[ecnt] = v;
}
bool dfs(int u) {
    Edge(u) if (vis[v = go[e]] < T) {
        vis[v] = T; if (!my[v] || dfs(my[v])) return my[v] = u, 1;
    }
    return 0;
}
int solve() {
    int i, res = 0; For (i, 1, n) T++, dfs(i) ? res++ : 0; return res;
}
int main() {
    int i, j, k; n = read(); m = read(); For (i, 1, m) g[read()][read()] = 1;
    For (k, 1, n) For (i, 1, n) For (j, 1, n) g[i][j] |= g[i][k] & g[k][j];
    For (i, 1, n) For (j, 1, n) if (g[i][j]) add_edge(i, j + n);
    cout << n - solve() << endl; return 0;
}
六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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