[蓝桥杯 2013 国 C] 危险系数
题目背景
抗日战争时期,冀中平原的地道战曾发挥重要作用。
题目描述
地道的多个站点间有通道连接,形成了庞大的网络。但也有隐患,当敌人发现了某个站点后,其它站点间可能因此会失去联系。
我们来定义一个危险系数 D F ( x , y ) DF(x,y) DF(x,y):
对于两个站点 x x x 和 y ( x ≠ y ) , y(x\neq y), y(x=y), 如果能找到一个站点 z z z,当 z z z 被敌人破坏后, x x x 和 y y y 不连通,那么我们称 z z z 为关于 x , y x,y x,y 的关键点。相应的,对于任意一对站点 x x x 和 y y y,危险系数 D F ( x , y ) DF(x,y) DF(x,y) 就表示为这两点之间的关键点个数。
本题的任务是:已知网络结构,求两站点之间的危险系数。
输入格式
输入数据第一行包含 2 2 2 个整数 n ( 2 ≤ n ≤ 1000 ) n(2 \le n \le 1000) n(2≤n≤1000), m ( 0 ≤ m ≤ 2000 ) m(0 \le m \le 2000) m(0≤m≤2000),分别代表站点数,通道数。
接下来 m m m 行,每行两个整数 u , v ( 1 ≤ u , v ≤ n , u ≠ v ) u,v(1 \le u,v \le n,u\neq v) u,v(1≤u,v≤n,u=v) 代表一条通道。
最后 1 1 1 行,两个数 u , v u,v u,v,代表询问两点之间的危险系数 D F ( u , v ) DF(u,v) DF(u,v)。
输出格式
一个整数,如果询问的两点不连通则输出 − 1 -1 −1。
样例 #1
样例输入 #1
7 6
1 3
2 3
3 4
3 5
4 5
5 6
1 6
样例输出 #1
2
提示
时限 1 秒, 64M。蓝桥杯 2013 年第四届国赛
1.题目大意:
给你 nn 个点,mm 条边。注意:这里是双向边。 再给定起点和终点,求从起点到终点必须经过点的个数。
2.分析:
这道题的 nn 和 mm 都很小,可以用深搜做。
#include <bits/stdc++.h>
using namespace std;
const int N = 100005;
int n, m;
vector<int> G[N];
int st, ed;
bool book[N];
int counts[N];
int total;
void dfs(int now)
{
if (now == ed) //结束条件,深搜到末尾
{
total++; //计算能深搜到末尾的点的个数
for (int i = 1; i <= n; i++)
{
if (book[i])
{
counts[i]++; //计算深搜过程中每个点被访问的次数
}
}
return; //结束深搜
}
for (int i = 0; i < G[now].size(); i++) //遍历当前点的下一步能到达的所有点
{
int to = G[now][i]; //记录当前点下一步能到达的其中一个点
if (!book[to]) //如果没被访问过,则标记
{
book[to] = true;
dfs(to); //搜索下一个点
book[to] = false; //搜完后取消标记
}
}
}
int main()
{
cin >> n >> m;
for (int i = 1; i <= m; i++)
{
int x, y;
cin >> x >> y;
G[x].push_back(y); //无向图
G[y].push_back(x);
}
cin >> st >> ed;
book[st] = true; //第一个点肯定为已经访问过
dfs(st);
int ans = 0;
for (int i = 1; i <= n; i++)
{
if (counts[i] == total)
//如果某个点在深搜中被访问过的次数等于深搜的次数,即每次搜索必有该点,那么该点为关键点
{
ans++;
}
}
ans -= 2; //由于起始点和结束点不被包括在答案内,所以要掐头去尾
cout << ans;
}
图的遍历
题目描述
给出 N N N 个点, M M M 条边的有向图,对于每个点 v v v,求 A ( v ) A(v) A(v) 表示从点 v v v 出发,能到达的编号最大的点。
输入格式
第 1 1 1 行 2 2 2 个整数 N , M N,M N,M,表示点数和边数。
接下来 M M M 行,每行 2 2 2 个整数 U i , V i U_i,V_i Ui,Vi,表示边 ( U i , V i ) (U_i,V_i) (Ui,Vi)。点用 1 , 2 , … , N 1,2,\dots,N 1,2,…,N 编号。
输出格式
一行 N N N 个整数 A ( 1 ) , A ( 2 ) , … , A ( N ) A(1),A(2),\dots,A(N) A(1),A(2),…,A(N)。
样例 #1
样例输入 #1
4 3
1 2
2 4
4 3
样例输出 #1
4 4 3 4
提示
- 对于 60 % 60\% 60% 的数据, 1 ≤ N , M ≤ 1 0 3 1 \leq N,M \leq 10^3 1≤N,M≤103。
- 对于 100 % 100\% 100% 的数据, 1 ≤ N , M ≤ 1 0 5 1 \leq N,M \leq 10^5 1≤N,M≤105。
反向建边 + dfs
按题目来每次考虑每个点可以到达点编号最大的点,不如考虑较大的点可以反向到达哪些点
循环从N到1,则每个点i能访问到的结点的A值都是i
每个点访问一次,这个A值就是最优的,因为之后如果再访问到这个结点那么答案肯定没当前大了
#include <bits/stdc++.h>
using namespace std;
const int N = 100005;
inline int read() //快速读取
{
int x = 0, f = 1;
char ch = getchar();
while (ch < '0' || ch > '9')
{
if (ch == '-')
f = -1;
ch = getchar();
}
while (ch >= '0' && ch <= '9')
{
x = (x << 1) + (x << 3) + (ch ^ 48);
ch = getchar();
}
return x * f;
}
int n, m;
vector<int> G[N];
int counts[N];
void dfs(int now, int max)
{
if (counts[now]) //如果已经标记过,则结束搜索
return;
counts[now] = max; //起始点能到达的点都标记为起始点的编号
for (int i = 0; i < G[now].size(); i++) //遍历从该点下一步能到达的所有点,进一步搜索
{
dfs(G[now][i], max);
}
}
int main()
{
n = read();
m = read();
for (int i = 1; i <= m; i++)
{
int x = read(), y = read();
// G[x].push_back(y);
G[y].push_back(x); //由于正向搜索比较费时,因此可以考虑逆向搜索
}
for (int i = n; i; i--)
//从最大的编号开始,往小的搜搜,所有被访问过的点对应的最大编号答案即为该点
{
dfs(i, i);
}
for (int i = 1; i <= n; i++)
{
cout << counts[i] << " ";
}
}
封锁阳光大学
题目描述
曹是一只爱刷街的老曹,暑假期间,他每天都欢快地在阳光大学的校园里刷街。河蟹看到欢快的曹,感到不爽。河蟹决定封锁阳光大学,不让曹刷街。
阳光大学的校园是一张由 n n n 个点构成的无向图, n n n 个点之间由 m m m 条道路连接。每只河蟹可以对一个点进行封锁,当某个点被封锁后,与这个点相连的道路就被封锁了,曹就无法在这些道路上刷街了。非常悲剧的一点是,河蟹是一种不和谐的生物,当两只河蟹封锁了相邻的两个点时,他们会发生冲突。
询问:最少需要多少只河蟹,可以封锁所有道路并且不发生冲突。
输入格式
第一行两个正整数,表示节点数和边数。
接下来
m
m
m 行,每行两个整数
u
,
v
u,v
u,v,表示点
u
u
u 到点
v
v
v 之间有道路相连。
输出格式
仅一行如果河蟹无法封锁所有道路,则输出 Impossible
,否则输出一个整数,表示最少需要多少只河蟹。
样例 #1
样例输入 #1
3 3
1 2
1 3
2 3
样例输出 #1
Impossible
样例 #2
样例输入 #2
3 2
1 2
2 3
样例输出 #2
1
提示
【数据规模】
对于
100
%
100\%
100% 的数据,
1
≤
n
≤
1
0
4
1\le n \le 10^4
1≤n≤104,
1
≤
m
≤
1
0
5
1\le m \le 10^5
1≤m≤105,保证没有重边。
dfs+染色
因为整张图可能包含多张小图,遍历每一个节点,如果还有没搜过的节点就以当前节点为根开始bfs
bfs过程中如果遇到相邻节点染色相同的情况就跳出,输出impossible即可
染色方案选取较小的一种
#include <bits/stdc++.h>
using namespace std;
inline int read() //快速读取
{
int x = 0, f = 1;
char ch = getchar();
while (ch < '0' || ch > '9')
{
if (ch == '-')
f = -1;
ch = getchar();
}
while (ch >= '0' && ch <= '9')
{
x = (x << 1) + (x << 3) + (ch ^ 48);
ch = getchar();
}
return x * f;
}
int m, n;
const int N = 1e5 + 5;
int a[N];
int t[2]; //记录颜色
bool vis[N];
vector<int> G[N];
bool dfs(int u, int color)
{
vis[u] = true; //标记当前点已经访问过
a[u] = color; //涂色
t[color]++; //该种颜色的数量加一
for (int i = 0; i < G[u].size(); i++) //遍历当前点的下一步能到达的所有点
{
int v = G[u][i]; //记录下一个点
if (vis[v] && a[v] == a[u]) //下一个点访问过而且颜色跟当前颜色相同
return 0; //就结束搜索,返回false
else if (!vis[v]) //没访问过
{
bool flag = dfs(v, (color + 1) & 1); //将下一个点涂成不同颜色
if (!flag) //涂色不成功
return 0; //就结束搜索,返回false
}
}
return 1;
}
int main()
{
n = read(), m = read();
for (int i = 1; i <= m; i++)
{
int x = read(), y = read();
G[x].push_back(y); //无向图
G[y].push_back(x);
}
int ans = 0;
for (int i = 1; i <= n; ++i)
if (!vis[i]) //如果该点没被标记
{
t[0] = t[1] = 0; //先将颜色数归零
bool flag = dfs(i, 0);
if (!flag)
{
cout << "Impossible";
return 0;
}
ans += min(t[0], t[1]); //答案加上颜色数小的那个
}
cout << ans;
return 0;
}
学习目标
- 掌握图的基本概念
- 掌握图的一些性质
图的概念
基本概念
图 (Graph) 是一个二元组 G = ( V ( G ) , E ( G ) ) G=(V(G), E(G)) G=(V(G),E(G)) 。其中 V ( G ) V(G) V(G)是非空集,称为 点集 (Vertex set) ,对于 V V V 中的每个元素,我们称其为 顶点 (Vertex) 或 节点 (Node) ,简称 点 ; E ( G ) E(G) E(G) 为 V ( G ) V(G) V(G) 各结点之间边的集合,称为 边集 (Edge set) 。
常用 G = ( V , E ) G=(V,E) G=(V,E) 表示图。
当 V , E V,E V,E 都是有限集合时,称 G G G 为 有限图 。
当 V V V 或 E E E 是无限集合时,称 G G G 为 无限图 。
图有多种,包括 无向图 (Undirected graph) , 有向图 (Directed graph) , 混合图 (Mixed graph) 等
若 G 为无向图,则 E 中的每个元素为一个无序二元组 (u, v) ,称作 无向边 (Undirected edge) ,简称 边 (Edge) ,其中 u , v ∈ V u, v \in V u,v∈V 。设 $e=(u,v) $,则 u u u 和 v v v 称为 e e e 的 端点 (Endpoint) 。
若 G G G 为有向图,则 E E E 中的每一个元素为一个有序二元组 ( u , v ) (u,v) (u,v),有时也写作 u → v u \to v u→v ,称作 有向边 (Directed edge) ,在不引起混淆的情况下也可以称作 边 (Edge) 。设 e = u → v e = u \to v e=u→v ,则此时 u 称为 e 的 起点 (Tail) , v v v 称为 e e e 的 终点 (Head) ,起点和终点也称为 e e e 的 端点 (Endpoint) 。并称 u u u 是 v v v 的直接前驱, v v v 是 u u u 的直接后继。
若 G G G 为混合图,则 E E E 中既有向边,又有无向边。
若 G G G 的每条边 e k = ( u k , v k ) e_k=(u_k,v_k) ek=(uk,vk) 都被赋予一个数作为该边的 权 ,则称 GG 为 赋权图 。如果这些权都是正实数,就称 G G G 为 正权图 。
图 $G 的点数 $ ∣ V ( G ) ∣ \left| V(G) \right| ∣V(G)∣ 也被称作图 GG 的 阶 (Order) 。
形象地说,图是由若干点以及连接点与点的边构成的。
图上的关系
点与点——邻接
在无向图 G = ( V , E ) G = (V, E) G=(V,E) 中,对于两顶点 u 和 v ,若存在边 ( u , v ) (u,v) (u,v) ,则称 u 和 v 是 相邻(邻接)的 。
一个顶点 $ v \in V$的 邻域 (Neighborhood) 是所有与之相邻的顶点所构成的集合,记作 N ( v ) N(v) N(v)。
PS:邻接表存储的就是邻域,并且由此得名。
点与边——关联
在无向图 G = ( V , E ) G = (V, E) G=(V,E) 中,若点 v 是边 e 的一个端点,则称 v 和 e 是 **关联的 **。
度数
与一个顶点 v 关联的边的条数称作该顶点的 度 (Degree) ,记作 d ( v ) d(v) d(v)。特别地,对于边 ( v , v ) (v,v) (v,v) ,则每条这样的边要对 d ( v ) d(v) d(v) 产生 22 的贡献。
对于无向简单图,有 d ( v ) = ∣ N ( v ) ∣ d(v) = \left| N(v) \right| d(v)=∣N(v)∣。
在有向图 G = ( V , E ) G = (V, E) G=(V,E)中,以一个顶点 v 为起点的边的条数称为该顶点的 出度 (Out-degree) ,记作 d + ( v ) d^+(v) d+(v)。以一个顶点 v 为终点的边的条数称为该节点的 入度 (In-degree) ,记作 d − ( v ) d^-(v) d−(v)。显然 $d+(v)+d-(v)=d(v) $。
简单图
自环 (Loop) :对 E 中的边 e = ( u , v ) e = (u, v) e=(u,v) ,若 u = v u = v u=v ,则 e 被称作一个自环。
重边/平行边 (Multiple edge) :若 EE 中存在两个完全相同的元素(边) e 1 , e 2 e_1, e_2 e1,e2 ,则它们被称作(一组)重边。
简单图 (Simple graph) :若一个图中 没有自环和重边,它被称为简单图。非空简单无向图中一定存在度相同的结点。
如果一张图中有自环或重边,则称它为 多重图 (Multigraph) 。
在无向图中 (u, v) 和 (v, u) 算一组重边,而在有向图中, u→v 和 v→u 不为重边。
在题目中,如果没有特殊说明,是可以存在自环和重边的,在做题时需特殊考虑。
路径
途径 (Walk) / 链 (Chain) :一个点和边的交错序列,其中首尾是点—— v 0 , e 1 , v 1 , e 2 , v 2 , … , e k , v k v_0, e_1, v_1, e_2, v_2, \ldots, e_k, v_k v0,e1,v1,e2,v2,…,ek,vk,有时简写为 v 0 → v 1 → v 2 → ⋯ → v k v_0 \to v_1 \to v_2 \to \cdots \to v_k v0→v1→v2→⋯→vk 。其中 e i e_i ei 的两个端点分别为 v i − 1 v_{i-1} vi−1 和 v i v_i vi 。通常来说,边的数量 k 被称作这条途径的 长度 (如果边是带权的,长度通常指路径上的边权之和,题目中也可能另有定义)。(以下设 w = [ v 0 , e 1 , v 1 , e 2 , v 2 , ⋯ , e k , v k ] w = \left[ v_0, e_1, v_1, e_2, v_2, \cdots, e_k, v_k \right] w=[v0,e1,v1,e2,v2,⋯,ek,vk] 。)
迹 (Trail) :对于一条途径 w ,若 e 1 , e 2 , ⋯ , e k e_1, e_2, \cdots, e_k e1,e2,⋯,ek两两互不相同,则称 w 是一条迹。
路径 (Path) (又称 简单路径 (Simple path) ):对于一条迹 w ,除了 v 0 v_0 v0 和 v k v_k vk 允许相同外,其余点两两互不相同,则称 w 是一条路径。
回路 (Circuit) :对于一个迹 w ,若 v 0 = v k v_0 = v_k v0=vk,则称 w 是一个回路。
环/圈 (Cycle) (又称 简单回路/简单环 (Simple circuit) ):对于一条简单路径 w ,若 v 0 = v k v_0 = v_k v0=vk ,则称 w 是一个环。
连通
无向图
对于一张无向图 G = ( V , E ) G = (V, E) G=(V,E) ,对于 u , v ∈ V u, v \in V u,v∈V,若存在一条途径使得 v 0 = u , v k = v v_0 = u, v_k = v v0=u,vk=v ,则称 u 和 v 是 连通的 (Connected) 。由定义,任意一个顶点和自身连通,任意一条边的两个端点连通。
若无向图 G = ( V , E ) G = (V, E) G=(V,E) ,满足其中任意两个顶点均连通,则称 GG 是 连通图 (Connected graph) , GG 的这一性质称作 连通性 (Connectivity) 。
若 H 是 G 的一个连通子图,且不存在 F 满足 H ⊊ F ⊆ G H\subsetneq F \subseteq G H⊊F⊆G且 F 为连通图,则 H 是 G 的一个 连通块/连通分量 (Connected component) (极大连通子图)。
有向图
对于一张有向图 G = ( V , E ) G = (V, E) G=(V,E),对于 u , v ∈ V u, v \in V u,v∈V,若存在一条途径使得$ v_0 = u, v_k = v$,则称 u 可达 v 。由定义,任意一个顶点可达自身,任意一条边的起点可达终点。(无向图中的连通也可以视作双向可达。)
若一张有向图的节点两两互相可达,则称这张图是 强连通的 (Strongly connected) 。
若一张有向图的边替换为无向边后可以得到一张连通图,则称原来这张有向图是 弱连通的 (Weakly connected) 。
与连通分量类似,也有 弱连通分量 (Weakly connected component) (极大弱连通子图)和 强连通分量 (Strongly Connected component) (极大强连通子图)。
n 个顶点的强连通图最多 n ( n − 1 ) n(n-1) n(n−1) 条边,最少 n 条边。
图的连通性也是竞赛的一个常见考点,相关算法请后面将学习,现在先理解其概念即可。
稀疏图/稠密图
若一张图的边数远小于其点数的平方,那么它是一张 稀疏图 (Sparse graph) 。
若一张图的边数接近其点数的平方,那么它是一张 稠密图 (Dense graph) 。
这两个概念并没有严格的定义,一般用于讨论 时间复杂度 为 O ( ∣ V ∣ 2 ) O(|V|^2) O(∣V∣2) 的算法与 O ( ∣ E ∣ ) O(|E|) O(∣E∣)的算法的效率差异(在稠密图上这两种算法效率相当,而在稀疏图上 O ( ∣ E ∣ ) O(|E|) O(∣E∣)的算法效率明显更高)。
特殊的图
完全图
若无向简单图 G 满足任意不同两点间均有边,则称 G 为 完全图 (Complete graph) , nn 阶完全图记作 K n K_n Kn 。若有向图 G 满足任意不同两点间都有两条方向不同的边,则称 G 为 有向完全图 (Complete digraph) 。
链
若无向简单图 G = ( V , E ) G = \left( V, E \right) G=(V,E) 的所有边恰好构成一条简单路径,则称 G 为 链 (Chain/Path Graph) , n 阶的链记作 P n P_n Pn 。易知,一条链由一个圈图删去一条边而得。
树 (后面会学,不急)
如果一张无向连通图不含环,则称它是一棵 树 (Tree) 。
图的内容还有很多,我们寒假慢慢来(doge