POJ--2553 图的底部

简介: POJ--2553 图的底部

题目描述


20210313224247268.png

输入样例


3 3
1 3 2 3 3 1
2 1
1 2
0


输出样例


1 3
2


思路

G中任意两个点都可到达,则G是图的一个强连通分量.sink点就是强连通分量中的点.题目要求是输出sink点.

所以我们应该先通过Tarjan算法找到强连通分量,然后缩点,统计每个(缩点)的出度,最后缩点出度为1的那些点就是我们要求的sink点.


20210313224823938.png

20210313224845405.png

参考代码

#include<iostream>
#include<stack>
#include<string.h>
using namespace std;
const int maxn = 5000+10;
int n,m;
int head[maxn],num,ins[maxn],low[maxn],dfn[maxn],cnt,belong[maxn],id,degree[maxn];//ins:标记是否在 stack中 
stack<int> s;
struct Edge{
  int to,next; 
}e[maxn*maxn]; 
void add(int u,int v){
  e[++num].next = head[u];
  e[num].to = v;
  head[u] = num;
}
void tarjan(int u){
  low[u] = dfn[u] = ++cnt;
  ins[u] = 1;
  s.push(u);
  for(int i = head[u]; i ; i = e[i].next){
    int v = e[i].to;
    if(!dfn[v]){
      tarjan(v);
      low[u] = min(low[u],low[v]);
    }else if(ins[v]){
      low[u] = min(low[u],low[v]);
    }
  }
  if(low[u]==dfn[u]){//缩点 
    int v;
    do{
      v = s.top();
      s.pop();
      belong[v] = id;
      ins[v] = 0; 
    }while(u!=v);
    id++;
  }
}
void init()
{
  memset(head,0,sizeof(head));
  memset(ins,0,sizeof(ins));
  memset(low,0,sizeof(low));
  memset(dfn,0,sizeof(dfn));
  memset(belong,0,sizeof(belong));
  memset(degree,0,sizeof(degree));
  num = cnt =0;
  id  = 1;
}
void solveDegree(){//求出度
  for(int u = 1; u <= n; u++){
    for(int i = head[u]; i; i = e[i].next){
      int v = e[i].to;
      if(belong[u]!=belong[v]){//如果u和v的连通分量号不同 
        degree[belong[u]]++;//u节点所在的连通分量号的出度++ 
      }
    }
  }
}
void print(){//输出  
  int flag = 1; 
  for(int i = 1;i <= n; i++){
    if(!degree[belong[i]]){//如果出度为0则说明是连通分量
      if(flag){//第一个数据前没有空格 
        flag = 0;
      }else{
        cout<<" ";
      }
      cout<<i;
    }
  }
  cout<<endl; 
} 
int main(){
  int u,v;
  while(cin>>n&&n){
    cin>>m;
    while(m--){
      cin>>u>>v;
      add(u,v);
    }
    for(int i = 1; i <= n; i++){
      if(!dfn[i]){
        tarjan(i);
      }
    }
    solveDegree();
    print();
    init();
  }
  return 0;
}
相关文章
|
2天前
|
云安全 监控 安全
|
7天前
|
机器学习/深度学习 人工智能 自然语言处理
Z-Image:冲击体验上限的下一代图像生成模型
通义实验室推出全新文生图模型Z-Image,以6B参数实现“快、稳、轻、准”突破。Turbo版本仅需8步亚秒级生成,支持16GB显存设备,中英双语理解与文字渲染尤为出色,真实感和美学表现媲美国际顶尖模型,被誉为“最值得关注的开源生图模型之一”。
962 5
|
13天前
|
人工智能 Java API
Java 正式进入 Agentic AI 时代:Spring AI Alibaba 1.1 发布背后的技术演进
Spring AI Alibaba 1.1 正式发布,提供极简方式构建企业级AI智能体。基于ReactAgent核心,支持多智能体协作、上下文工程与生产级管控,助力开发者快速打造可靠、可扩展的智能应用。
1100 41
|
9天前
|
机器学习/深度学习 人工智能 数据可视化
1秒生图!6B参数如何“以小博大”生成超真实图像?
Z-Image是6B参数开源图像生成模型,仅需16GB显存即可生成媲美百亿级模型的超真实图像,支持中英双语文本渲染与智能编辑,登顶Hugging Face趋势榜,首日下载破50万。
671 39
|
13天前
|
人工智能 前端开发 算法
大厂CIO独家分享:AI如何重塑开发者未来十年
在 AI 时代,若你还在紧盯代码量、执着于全栈工程师的招聘,或者仅凭技术贡献率来评判价值,执着于业务提效的比例而忽略产研价值,你很可能已经被所谓的“常识”困住了脚步。
775 69
大厂CIO独家分享:AI如何重塑开发者未来十年
|
9天前
|
存储 自然语言处理 测试技术
一行代码,让 Elasticsearch 集群瞬间雪崩——5000W 数据压测下的性能避坑全攻略
本文深入剖析 Elasticsearch 中模糊查询的三大陷阱及性能优化方案。通过5000 万级数据量下做了高压测试,用真实数据复刻事故现场,助力开发者规避“查询雪崩”,为您的业务保驾护航。
477 30
|
16天前
|
数据采集 人工智能 自然语言处理
Meta SAM3开源:让图像分割,听懂你的话
Meta发布并开源SAM 3,首个支持文本或视觉提示的统一图像视频分割模型,可精准分割“红色条纹伞”等开放词汇概念,覆盖400万独特概念,性能达人类水平75%–80%,推动视觉分割新突破。
943 59
Meta SAM3开源:让图像分割,听懂你的话
|
6天前
|
弹性计算 网络协议 Linux
阿里云ECS云服务器详细新手购买流程步骤(图文详解)
新手怎么购买阿里云服务器ECS?今天出一期阿里云服务器ECS自定义购买流程:图文全解析,阿里云服务器ECS购买流程图解,自定义购买ECS的设置选项是最复杂的,以自定义购买云服务器ECS为例,包括付费类型、地域、网络及可用区、实例、镜像、系统盘、数据盘、公网IP、安全组及登录凭证详细设置教程:
205 114