03 2017 档案

*** 竞赛中的各种低级错误，及编程常见错误小结 ***
摘要：编写代码常见错误： 1.递归时隐藏的修改了全局变量例如点分治重心 →每次复制一遍 2.测试数据时未将空间开到题目要求,隐藏的空间倍数关系例如无向图2倍 →RE 3.除数是个减法式子 整数→RE 浮点数→WA →特判 4.离线并查集的重复操作 →只有第一次才需要unite 5.回溯暴搜的复杂度是阶乘级 阅读全文
posted @ 2017-03-30 21:49 _tham 阅读(392) 评论(0) 推荐(1)
网络流 最大流—最小割 之SAP算法 详解
摘要：首先引入几个新名词： 1、距离标号： 所谓距离标号 ，就是某个点到汇点的最少的弧的数量（即边权值为1时某个点到汇点的最短路径长度）。 设点i的标号为level[i]，那么如果将满足level[i]=level[j]+1的弧(i,j)叫做允许弧 ，且增广时只走允许弧。 2、断层（本算... 阅读全文
posted @ 2017-03-24 16:40 _tham 阅读(450) 评论(0) 推荐(0)
图的连通性问题
摘要：基本概念 无向图 连通图和非联通图： 如果无向图 G 中任意一对顶点都是连通的，则称此图是连通图（connected graph）；相反，如 果一个无向图不是连通图，则称为非连通图（disconnected graph）。对非连通图G，其极大连通子图称为连通分量（connected ... 阅读全文
posted @ 2017-03-21 15:50 _tham 阅读(1009) 评论(0) 推荐(0)
最近公共祖先(LCA)的三种求解方法
摘要：转载来自：https://blog.andrewei.info/2015/10/08/e6-9c-80-e8-bf-91-e5-85-ac-e5-85-b1-e7-a5-96-e5-85-88lca-e7-9a-84-e4-b8-89-e7-a7-8d-e6-b1-82-e8-a7-a3-e... 阅读全文
posted @ 2017-03-21 15:31 _tham 阅读(454) 评论(0) 推荐(0)
网络流(一) 入门到熟练
摘要：一.网络流:流&网络&割 网络流学习参考 EK算法复杂度分析： 即最短路径增值算法，可以有一个简单的思想，每次都找一条从源到汇的路径来增广，直到不能增广为止，之中算法的正确性是可以保证的，但效率不尽如人意，有些时候，把事情格式化反而有益，这里的MPLA就是这样，它只在层次图中找增广路，构建出层次图之 阅读全文
posted @ 2017-03-21 15:26 _tham 阅读(1429) 评论(0) 推荐(0)
哈希 — 康托展开
摘要：http://blog.csdn.net/fuyukai/article/category/2898321/1 图论、次小生成树，差分约束，双连通 康托展开是一个全排列到一个自然数的双射，常用于构建哈希表时的空间压缩。 康托展开的实质是计算当前排列在所有由小到大全排列中的顺序，因此是可逆的。... 阅读全文
posted @ 2017-03-21 14:59 _tham 阅读(281) 评论(0) 推荐(0)
最小树形图——朱刘算法(Edmonds)
摘要：定义：一个有向图，存在从某个点为根的，可以到达所有点的一个最小生成树，则它就是最小树形图。 朱刘算法实现过程： 【在选出入边集后（看步骤1），若有向图中不存在有向环，说明该图就是最小树形图】 1，选入边集——找到除root点之外，每一个点的所有入边中权值最小的，用数组in[]记... 阅读全文
posted @ 2017-03-14 16:47 _tham 阅读(517) 评论(0) 推荐(0)
生成树的计数 Matrix-Tree（矩阵树）定理
摘要：信息学竞赛中，有关生成树的最优化问题如最小生成树等是我们经常遇到的，而对生成树的计数及其相关问题则少有涉及。事实上，生成树的计数是十分有意义的，在许多方面都有着广泛的应用。本文从一道信息学竞赛中出现的例题谈起，首先介绍了一种指数级的动态规划算法，然后介绍了行列式的基本概念、性质，并在此基础上... 阅读全文
posted @ 2017-03-14 16:41 _tham 阅读(459) 评论(0) 推荐(0)
次短路径与次小生成树问题的简单解法
摘要：[次短路径] 次短路径可以看作是k短路径问题的一种特殊情况，求k短路径有Yen算法等较为复杂的方法，对于次短路径，可以有更为简易的方法。下面介绍一种求两个顶点之间次短路径的解法。 我们要对一个有向赋权图(无向图每条边可以看作两条相反的有向边)的顶点S到T之间求次短路径，首先应求出S的单源最... 阅读全文
posted @ 2017-03-14 16:27 _tham 阅读(372) 评论(0) 推荐(0)