吉林大学ACM竞赛图论与网络流算法总结

需积分: 49 182 浏览量更新于2024-07-15 2 收藏 652KB PDF 举报

"吉林大学ACM模板.pdf" 是一份关于ACM竞赛编程的参考资料，包含了图论、网络流和数据结构等多个方面的算法和问题解决策略。 1. **图论** - **DAG的深度优先搜索标记**：在有向无环图（DAG）中，深度优先搜索（DFS）可以用来标记节点，例如确定拓扑排序或检测环。 - **无向图找桥**：在无向图中，桥是指删除后会导致图不连通的边。可以通过DFS算法来寻找。 - **无向图连通度(割)**：计算无向图的连通分量，可以使用DFS或BFS进行判断。 - **大团问题 (DP + DFS)**：大团是指图中最大的独立集，即一个子集中没有相邻节点的最大节点集合，可以结合动态规划和深度优先搜索来求解。 - **欧拉路径**：欧拉路径是图中从一个顶点出发并遍历所有边恰好一次返回原点的路径，可以用DFS或BFS解决。 - **DIJKSTRA算法**：用于寻找图中两点间的最短路径，有数组实现的O(N^2)版本和基于优先队列的O(E * log E)优化版本。 - **BELLMAN-FORD算法**：处理负权边的单源最短路径问题，时间复杂度为O(VE)。 - **SPFA算法**：Shortest Path Faster Algorithm，一种处理负权边的近似算法，效率略高于Bellman-Ford。 - **第K短路**：除了最短路径外，还可以找到第K条最短路径，可以使用Dijkstra或A*算法进行扩展。 - **A*算法**：启发式搜索算法，用于寻找第K短路，通常比Dijkstra更快，因为它考虑了估价函数。 2. **网络流** - **二分图匹配**：匈牙利算法通过DFS或BFS实现，用于找出二分图中的最大匹配，解决分配问题。 - **最小割**：在无向图中寻找最小割，可以使用Ford-Fulkerson方法或Kuhn-Munkres算法。 - **最大流**：Dinic算法和 HLPP算法分别提供O(V^2*E)和O(V^3)的时间复杂度解决方案。 - **最小费用流**：求解在网络流中同时考虑成本的优化问题，有多种算法实现。 3. **数据结构** - **求某天是星期几**：涉及日期和时间的计算，可能用到日历算法。 - 其他未列出的数据结构问题可能包括栈、队列、树、图、堆、哈希表等数据结构的使用和操作。这份模板涵盖了ACM竞赛中常见的算法和问题，对于提高编程竞赛能力有很大帮助。学习者可以通过这些知识点深入理解图论、网络流和数据结构，提升算法设计和解决问题的能力。

吉林大学 ACM Group

| Minimal Steiner Tree

| G(V, E), A是V的一个子集, 求至少包含A中所有点的最小子树.

| 时间复杂度: O(N^3 + N * 2^A * (2^A + N))

| INIT: d[][]距离矩阵; id[]置为集合A中点的标号;

| CALL: steiner(int n, int a);

| main()函数解决的题目: Ticket to Ride, NWERC 2006/2007

| 给4个点对(a1, b1) ... (a4, b4),

| 求min(sigma(dist[ai][bi])),其中重复的路段只能算一次.

| 这题要找出一个steiner森林, 最后要对森林中树的个数进行枚举

\*==================================================*/

#define typec int // type of cost

const typec inf = 0x3f3f3f3f; // max of cost

int vis[V], id[A]; //id[]: A中点的标号

typec d[V][V], dp[1<<A][V];//dp[i][v]: 点v到点集i的最短距离

void steiner(int n, int a){

int i, j, k, mx, mk, top = (1 << a);

for (k = 0; k < n; k++) for (i = 0; i < n; i++)

for (j = 0; j < n; j++)

if (d[i][j] > d[i][k] + d[k][j])

d[i][j] = d[i][k] + d[k][j];

for (i = 0; i < a; i++) { // vertex: 0 ~ n-1

for (j = 0; j < n; j++)

dp[1 << i][j] = d[j][ id[i] ];

}

for

(i = 1; i < top; i++) {

if ( 0 == (i & (i - 1)) ) continue;

memset(vis, 0, sizeof(vis));

for (k = 0; k < n; k++) { // init

for (dp[i][k] = inf, j = 1; j < i; j++)

if ((i | j) == i &&

dp[i][k] > dp[j][k] + dp[i - j][k])

dp[i][k] = dp[j][k] + dp[i - j][k];

}

for (j = 0; mx = inf, j < n; j++) { // update

for (k = 0; k < n; k++)

if (dp[i][k] <= mx && 0 == vis[k])

mx = dp[i][mk = k];

for (k = 0, vis[mk] = 1; k < n; k++)

if (dp[i][mk] > dp[i][k] + d[k][mk])

dp[i][mk] = dp[i][k] + d[k][mk];

}

int main(void){

int n, a = 8;

// TODO: read data;

steiner(n, a);

// enum to find the result

for (i = 0, b = inf; z = 0, i < 256; b>z ? b=z : b, i++)

for (j = 0; y = 0, j < 4; z += !!y * dp[y][x], j++)

for (k = 0; k < 8; k += 2)

if ((i >> k & 3) == j)

y += 3 << k, x = id[k];

// TODO: cout << b << endl;

return 0;

}

/*==================================================*\

| Tarjan 强连通分量

| INIT: vec[]为邻接表; stop, cnt, scnt置0; pre[]置-1;

| CALL: for(i=0; i<n; ++i) if(-1==pre[i]) tarjan(i, n);

\*==================================================*/

vector<int> vec[V];

int id[V], pre[V], low[V], s[V], stop, cnt, scnt;

void tarjan(int v, int n) // vertex: 0 ~ n-1

{

int t, minc = low[v] = pre[v] = cnt++;

vector<int>::iterator pv;

s[stop++] = v;

for (pv = vec[v].begin(); pv != vec[v].end(); ++pv) {

if(-1 == pre[*pv]) tarjan(*pv, n);

if(low[*pv] < minc) minc=low[*pv];

}

if(minc < low[v]) {

low[v] = minc; return;

}

do {

id[t = s[--stop]] = scnt; low[t] = n;

} while(t != v);

++scnt; // 强连通分量的个数

}

/*==================================================*\

| 弦图判断

| INIT: g[][]置为邻接矩阵;

| CALL: mcs(n); peo(n);

| 第一步: 给节点编号 mcs(n)

| 设已编号的节点集合为A, 未编号的节点集合为B

| 开始时A为空, B包含所有节点.

| for num=n-1 downto 0 do {

| 在B中找节点x, 使与x相邻的在A集合中的节点数最多,

| 将x编号为num, 并从B移入A.

| }

| 第二步: 检查 peo(n)

| for num=0 to n-1 do {

| 对编号为num

的点x, 设所有编号>num且与x相邻的点集为C

| 在C中找出编号最小的节点y,

| 若C中存在点z!=y, 使得y与z之间无边, 则此图不是弦图.

| }

| 检查完了, 则此图是弦图.

\*==================================================*/

int g[V][V], order[V], inv[V], tag[V];

void mcs(int n){

int i, j, k;

memset(tag, 0, sizeof(tag));

memset(order, -1, sizeof(order));

for (i = n - 1; i >= 0; i--) { // vertex: 0 ~ n-1

for (j = 0; order[j] >= 0; j++) ;

for (k = j + 1; k < n; k++)

if (order[k] < 0 && tag[k] > tag[j]) j = k;

order[j] = i, inv[i] = j;

for (k = 0; k < n; k++) if (g[j][k]) tag[k]++;

}

int peo(int n){

int i, j, k, w, min;

for (i = n - 2; i >= 0; i--) {

j = inv[i], w = -1, min = n;

for (k = 0; k < n; k++)

if (g[j][k] && order[k] > order[j] &&

order[k] < min)

min = order[k], w=k;

if (w < 0) continue;

for (k = 0; k < n; k++)

(g[j][k] && order[k] > order[w] && !g[k][w])

return 0; // no

}

return 1; // yes

}

/*==================================================*\

| 弦图的 perfect elimination 点排列

| INIT: g[][]置为邻接矩阵;

| CALL: cardinality(n); tag[i]为排列中第i个点的标号;

| The graph with the property mentioned above

| is called chordal graph. A permutation s = [v1 , v2,

| ..., vn] of the vertices of such graph is called a

| perfect elimination order if each vi is a simplicial

| vertex of the subgraph of G induced by {vi ,..., vn}.

| A vertex is called simplicial if its adjacency set

| induces a complete subgraph, that is, a clique (not

| necessarily maximal). The perfect elimination order

| of a chordal graph can be computed as the following:

\*==================================================*/

procedure maximum cardinality search(G, s)

for all vertices v of G do

set label[v] to zero

end for

for all i from n downto 1 do

choose an unnumbered vertex v with largest label

set s(v) to i{number vertex v}

for all unnumbered vertices w adjacent to vertex v do

increment label[w] by one

end for

end procedure

int tag[V], g[V][V], deg[V], vis[V];

void cardinality(int n)

{

int i, j, k;

memset(deg, 0, sizeof(deg));

memset(vis, 0, sizeof(vis));

吉林大学 ACM Group

for (i = n - 1; i >= 0; i--) {

for (j = 0, k = -1; j < n; j++) if (0 == vis[j]) {

if (k == -1 || deg[j] > deg[k]) k = j;

}

vis[k] = 1, tag[i] = k;

for (j = 0; j<n; j++)

if (0 == vis[j] && g[k][j]) deg[j]++;

}

/*==================================================*\

| 稳定婚姻问题 O(n^2)

\*==================================================*/

const int N = 1001;

struct People{

bool state;

int opp, tag;

int list[N]; // man使用

int priority[N]; // woman使用, 有必要的话可以和list合并，

以节省空间

void Init(){ state = tag = 0; }

}man[N], woman[N];

struct R{

int opp; int own;

}requst[N];

int n;

void Input(void);

void Output(void);

void stableMatching(void);

int main(void){

//...

Input();

stableMatching();

Output();

//...

return 0;

}

void Input(void){

scanf("%d\n", &n);

int i, j, ch;

for( i=0; i < n; ++i ) {

man[i].Init();

for( j=0; j < n; ++j ){ //按照man的意愿递减排序

scanf("%d", &ch); man[i].list[j] = ch-1;

}

for( i=0; i < n; ++i ) {

woman[i].Init();

for( j=0; j < n; ++j ){ //按照woman的意愿递减排序，

但是，存储方法与man不同！！！！

scanf("%d", &ch); woman[i].priority[ch-1] = j;

}

void stableMatching(void){

int k;

for( k=0; k < n; +k ){

int i, id = 0;

for( i=0; i < n; ++i )

if( man[i].state == 0 ){

requst[id].opp =

man[i].list[ man[i].tag ];

requst[id].own = i;

man[i].tag += 1; ++id;

}

if( id == 0 ) break;

for( i=0; i < id; ++i ){

if( woman[requst[i].opp].state == 0 ){

woman[requst[i].opp].opp =

requst[i].own;

woman[requst[i].opp].state = 1;

man[requst[i].own].state = 1;

man[requst[i].own].opp =

requst[i].opp;

}

else{

if( woman[requst[i].opp].priority[ woman[requst[i].o

pp].opp ] >

woman[requst[i].opp].priority[requst[i].own] ){ //

man[ woman[requst[i].opp].opp ].state = 0;

woman[ requst[i].opp ].opp =

requst[i].own;

man[requst[i].own].state = 1;

man[requst[i].own].opp =

requst[i].opp;

}

void Output(void){

for( int i=0; i < n; ++i ) printf("%d\n", man[i].opp+1);

}

/*==================================================*\

| 拓扑排序

| INIT:edge[][]置为图的邻接矩阵;count[0…i…n-1]:顶点i的入度.

\*==================================================*/

void TopoOrder(int n){

int i, top = -1;

for( i=0; i < n; ++i )

if( count[i] == 0 ){ // 下标模拟堆栈

count[i] = top; top = i;

}

for( i=0; i < n; ++i )

if( top == -1 ) { printf("存在回路\n"); return ; }

else{

int j = top; top = count[top];

printf("%d", j);

for( int k=0; k < n; ++k )

if( edge[j][k] && (--count[k]) == 0 ){

count[k] = top; top = k;

}

/*==================================================*\

| 无向图连通分支(dfs/bfs 邻接阵)

| DFS / BFS / 并查集

\*==================================================*/

/*==================================================*\

| 有向图强连通分支(dfs/bfs 邻接阵)O(n^2)

\*==================================================*/

//返回分支数,id返回1..分支数的值

//传入图的大小n和邻接阵mat,不相邻点边权0

#define MAXN 100

void search(int n,int mat[][MAXN],int* dfn,int* low,int

now,int& cnt,int& tag,int* id,int* st,int& sp){

int i,j;

dfn[st[sp++]=now]=low[now]=++cnt;

for (i=0;i<n;i++)

if (mat[now][i]){

if (!dfn[i]){

search(n,mat,dfn,low,i,cnt,tag,id,st,sp);

if (low[i]<low[now])

low[now]=low[i];

}

else if (dfn[i]<dfn[now]){

for (j=0;j<sp&&st[j]!=i;j++);

if (j<cnt&&dfn[i]<low[now])

low[now]=dfn[i];

}

if (low[now]==dfn[now])

for (tag++;st[sp]!=now;id[st[--sp]]=tag);

}

int find_components(int n,int mat[][MAXN],int* id){

int ret=0,i,cnt,sp,st[MAXN],dfn[MAXN],low[MAXN];

for (i=0;i<n;dfn[i++]=0);

for (sp=cnt=i=0;i<n;i++)

if (!dfn[i])

search(n,mat,dfn,low,i,cnt,ret,id,st,sp);

return ret;

}

//有向图强连通分支,bfs邻接阵形式,O(n^2)

//返回分支数,id返回1..分支数的值

//传入图的大小n和邻接阵mat,不相邻点边权0

#define MAXN 100

int find_components(int n,int mat[][MAXN],int* id){

int ret=0,a[MAXN],b[MAXN],c[MAXN],d[MAXN],i,j,k,t;

剩余47页未读，继续阅读

qq_38776008

粉丝: 0
资源: 1

吉林大学ACM竞赛图论与网络流算法总结

杭电ACM_算法模板

ACM常用模板 ACM常用模板

吉林大学ACM代码库全集(.pdf)

吉大浙大上交acm模板.rar

ACM模板（吉林大学）.pdf.tar.gz_ACM_vaporj1r

ACM算法模板(吉林大学).pdf

吉林大学ACM模板 经典的ACM模版

ACM算法模板(吉林大学).

ACM_Algorithm.zip_ACM.algorithm

几个ACM算法pdf.zip

最新资源

吉林大学ACM模板经典的ACM模版