BZOJ1051: [HAOI2006]受欢迎的牛(tarjan缩点)

1051: [HAOI2006]受欢迎的牛

Time Limit: 10 Sec Memory Limit: 162 MB
Submit: 7834 Solved: 4222
[Submit][Status][Discuss]
Description

  每一头牛的愿望就是变成一头最受欢迎的牛。现在有N头牛,给你M对整数(A,B),表示牛A认为牛B受欢迎。 这
种关系是具有传递性的,如果A认为B受欢迎,B认为C受欢迎,那么牛A也认为牛C受欢迎。你的任务是求出有多少头
牛被所有的牛认为是受欢迎的。
Input

  第一行两个数N,M。 接下来M行,每行两个数A,B,意思是A认为B是受欢迎的(给出的信息有可能重复,即有可
能出现多个A,B)
Output

  一个数,即有多少头牛被所有的牛认为是受欢迎的。

Sample Input

3 3

1 2

2 1

2 3
Sample Output

1
HINT

100%的数据N<=10000,M<=50000

这道题的题意已经很明显了,我们将每个强连通分量缩点后重建图,这时一定至少有一个没有有出边的点(否则被缩),然后找到没有出边的点(对于有向图而言,有出边说明还有奶牛不喜爱),如果这样的点有多个,这显然是不合法的,因为这说明这两个点之间没有边(为什么会有多个说明这是两个相互隔离的子图

AC Code:

#include<iostream>
#include<cstring>
#include<cstdio>
#include<algorithm>
#include<cmath>
#define rg register
#define il inline
#define maxn 500005
#define lid id << 1
#define rid (id << 1) | 1
#define ll long long
using namespace std;
il int read(){rg int x = 0 , w = 1;rg char ch = getchar();while (ch < '0' || ch > '9'){if (ch == '-') w = -1;ch = getchar();}while (ch >= '0' && ch <= '9'){x = (x << 3) + (x << 1) + ch - '0';ch = getchar();}return x * w;}
struct edge{
    int to , next;  
}e[maxn << 1];
struct edge2{
    int to , next;  
}e2[maxn << 1];
int head[maxn] , cnt , top , col , num[maxn] , dfn[maxn] , low[maxn] , belong[maxn] , idx , q[maxn];
bool vis[maxn] , inq[maxn];
int head2[maxn] , cnt2;
void add(int u,int v){
    e[++cnt].to = v;
    e[cnt].next = head[u];
    head[u] = cnt;
}
void add2(int u,int v){
    e2[++cnt2].to = v;
    e2[cnt2].next = head2[u];
    head2[u] = cnt2;
}
void dfs(int x){
    rg int now; 
    dfn[x] = low[x] = ++idx;
    vis[x] = inq[x] = 1;
    q[++top] = x;
    for (rg int i = head[x] ; i ; i = e[i].next){
        rg int to = e[i].to;
        if (!vis[to]){
            dfs(to);
            low[x] = min (low[x] , low[to]);    
        }
        else if (inq[to]) low[x] = min(low[x] , dfn[to]);
    }
    if (dfn[x] == low[x]){
        ++col;
        do{
            now = q[top--];
            belong[now] = col;
            inq[now] = 0;
            ++num[col]; 
        }while (x != now);
    }
}
void rebuild(int n){
    for (rg int now = 1 ; now <= n ; ++now){
        for (rg int i = head[now] ; i ; i =e[i].next){
            rg int to = e[i].to;
            if (belong[now] != belong[to]){
                add2(belong[now] , belong[to]); 
            }
        }
    }
}
void tarjan(int n){
    for (rg int i = 1 ; i <= n ; ++i) if (!vis[i]) dfs(i);
    rebuild(n);
}
int main(){
    rg int n = read() , m = read() , u , v;
    for (rg int i = 1 ; i <= m ; ++i){
        u = read() ,  v = read();
        add(u , v);
    }
    tarjan(n);
    rg int ans = 0;
    for (rg int now = 1 ; now <= col ; ++now){
        if (!head2[now]){
            if (ans){
                ans = 0;break;  
            }
            ans = num[now];
        }
    }
    printf("%d",ans);
    return 0;
}
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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