博客
关于我
hdu2767(强连通分量+缩点)
阅读量:245 次
发布时间:2019-03-01

本文共 3293 字,大约阅读时间需要 10 分钟。

为了解决这个问题,我们需要证明四个关于矩阵 A 的命题是等价的。我们可以通过分析这些命题之间的关系,并利用图论中的强连通分量和有向无环图(DAG)来确定需要证明的额外边数。

方法思路

  • 问题分析:四个命题分别是矩阵 A 是否可逆、方程 Ax = b 是否有唯一解、方程 Ax = b 是否一致,以及 Ax = 0 是否只有零解。这些命题之间存在等价关系,我们需要证明这些关系。
  • 图论模型:将四个命题看作图中的四个节点,已知的关系作为有向边。我们需要确定这些边是否已经形成了一个强连通图。
  • 强连通分量分析:使用 Kosaraju 算法来分析强连通分量。缩减后的 DAG 中,入度为零的点数和出度为零的点数决定了需要添加的最少边数。
  • 计算步骤:构建图,执行强连通分量分析,统计入度和出度,最后计算并输出结果。
  • 解决代码

    import syssys.setrecursionlimit(1 << 25)def main():    import sys    input = sys.stdin.read().split()    ptr = 0    T = int(input[ptr])    ptr += 1    for _ in range(T):        n = int(input[ptr])        m = int(input[ptr+1])        ptr +=2        adj = [[] for _ in range(4)]        for __ in range(m):            s1 = int(input[ptr])-1            s2 = int(input[ptr+1])-1            adj[s1].append(s2)            ptr +=2                # Build reverse graph        rev_adj = [[] for _ in range(4)]        for u in range(4):            for v in adj[u]:                rev_adj[v].append(u)                # First pass to compute order        visited = [False]*4        dfn = [0]*4        low = [0]*4        order = []        time = 1        for u in range(4):            if not visited[u]:                stack = []                stack.append( (u, False) )                while stack:                    node, processed = stack.pop()                    if processed:                        for v in adj[node]:                            if dfn[v] > dfn[node]:                                low[node] = min(low[node], dfn[v])                        if low[node] == dfn[node]:                            order.append(node)                        continue                    if visited[node]:                        continue                    visited[node] = True                    dfn[node] = time                    low[node] = time                    time +=1                    stack.append( (node, True) )                    for v in adj[node]:                        if not visited[v]:                            stack.append( (v, False) )                # Second pass to find components        visited = [False]*4        component = [0]*4        current_component = 0        for u in reversed(order):            if not visited[u]:                stack = [u]                visited[u] = True                component[u] = current_component                while stack:                    node = stack.pop()                    for v in rev_adj[node]:                        if not visited[v]:                            visited[v] = True                            component[v] = current_component                            stack.append(v)                current_component +=1                # Calculate in_degree and out_degree for DAG        in_degree = [0]*4        out_degree = [0]*4        for u in range(4):            for v in adj[u]:                out_degree[u] +=1            for v in rev_adj[u]:                in_degree[v] +=1                a = sum(1 for i in range(4) if in_degree[i] == 0)        b = sum(1 for i in range(4) if out_degree[i] == 0)        res = max(a, b)        print(res)if __name__ == "__main__":    main()

    代码解释

  • 输入处理:读取测试用例数目和每个测试用例的数据。
  • 图构建:构建节点之间的有向边,并构建反向图。
  • 第一次 DFS:计算每个节点的 dfn 和 low 值,记录访问顺序。
  • 第二次 DFS:根据反向图,确定强连通分量。
  • DAG 分析:计算缩减后的 DAG 中的入度和出度,确定需要添加的最少边数。
  • 该方法确保了我们能够高效地确定需要证明的最少边数,从而完成所有命题的等价性证明。

    转载地址:http://nnfx.baihongyu.com/

    你可能感兴趣的文章
    NIFI从PostGresql中离线读取数据再导入到MySql中_带有数据分页获取功能_不带分页不能用_NIFI资料太少了---大数据之Nifi工作笔记0039
    查看>>
    NIFI同步MySql数据_到SqlServer_错误_驱动程序无法通过使用安全套接字层(SSL)加密与SQL Server_Navicat连接SqlServer---大数据之Nifi工作笔记0047
    查看>>
    Nifi同步过程中报错create_time字段找不到_实际目标表和源表中没有这个字段---大数据之Nifi工作笔记0066
    查看>>
    NIFI大数据进阶_FlowFile拓扑_对FlowFile内容和属性的修改删除添加_介绍和描述_以及实际操作---大数据之Nifi工作笔记0023
    查看>>
    NIFI大数据进阶_NIFI的模板和组的使用-介绍和实际操作_创建组_嵌套组_模板创建下载_导入---大数据之Nifi工作笔记0022
    查看>>
    NIFI大数据进阶_NIFI监控的强大功能介绍_处理器面板_进程组面板_summary监控_data_provenance事件源---大数据之Nifi工作笔记0025
    查看>>
    NIFI大数据进阶_NIFI集群知识点_集群的断开_重连_退役_卸载_总结---大数据之Nifi工作笔记0018
    查看>>
    NIFI大数据进阶_内嵌ZK模式集群1_搭建过程说明---大数据之Nifi工作笔记0015
    查看>>
    NIFI大数据进阶_外部ZK模式集群1_实际操作搭建NIFI外部ZK模式集群---大数据之Nifi工作笔记0017
    查看>>
    NIFI大数据进阶_离线同步MySql数据到HDFS_01_实际操作---大数据之Nifi工作笔记0029
    查看>>
    NIFI大数据进阶_离线同步MySql数据到HDFS_02_实际操作_splitjson处理器_puthdfs处理器_querydatabasetable处理器---大数据之Nifi工作笔记0030
    查看>>
    NIFI大数据进阶_连接与关系_设置数据流负载均衡_设置背压_设置展现弯曲_介绍以及实际操作---大数据之Nifi工作笔记0027
    查看>>
    NIFI数据库同步_多表_特定表同时同步_实际操作_MySqlToMysql_可推广到其他数据库_Postgresql_Hbase_SqlServer等----大数据之Nifi工作笔记0053
    查看>>
    NIFI汉化_替换logo_二次开发_Idea编译NIFI最新源码_详细过程记录_全解析_Maven编译NIFI避坑指南001---大数据之Nifi工作笔记0068
    查看>>
    NIFI集群_内存溢出_CPU占用100%修复_GC overhead limit exceeded_NIFI: out of memory error ---大数据之Nifi工作笔记0017
    查看>>
    NIFI集群_队列Queue中数据无法清空_清除队列数据报错_无法删除queue_解决_集群中机器交替重启删除---大数据之Nifi工作笔记0061
    查看>>
    NIH发布包含10600张CT图像数据库 为AI算法测试铺路
    查看>>
    Nim教程【十二】
    查看>>
    Nim游戏
    查看>>
    NIO ByteBuffer实现原理
    查看>>