BZOJ3108 [cqoi2013]图的逆变换

Description

定义一个图的变换：对于一个有向图\(G=(V, E)\)，建立一个新的有向图：

\(V'=\{v_e|e \in E\}\)，\(E'=\{(v_b, v_e)|b=(u,v), e=(v,w)\}\)，\(G'=(V', E')\)。

也就是说每个边变成一个点，如果边b的终点和边e的起点相同则b到e连一条边。

现在给定\(G'\)，问是否存在\(G\)。\(G'\)的点数不超过\(300\)。

Solution

如果\(G'\)中有\((u,w), (v,w)\)两条边，那么说明\(G\)中\(u,v\)的终点相同；那么\(G'\)中\(u,v\)连到的点应该是一样的。

也就是说，如果我在\(G'\)中令\(S_i\)表示\(i\)连到的点集，那么\(S_i=S_j\)和\(S_i\cap S_j\)必有一成立。

反之，如果上述条件成立，我可以把所有点按照\(S\)划分，即可得到\(G\)中每个点的出边集合；然后容易找出\(G\)中每个点的入边集合，易证这个\(G\)是合法的。

于是bitset求出\(S\)之后枚举\(i,j\)判断即可。

Code

#include <bitset>
#include <cstdio>
const int N = 305;
std::bitset<N> out[N], zero;
int main() {int T;scanf("%d", &T);while (T--) {int n, m;scanf("%d%d", &n, &m);zero.reset();for (int i = 0; i < n; ++i) out[i].reset();for (int x, y; m; --m) {scanf("%d%d", &x, &y);out[x].set(y);}bool ok = true;for (int i = 0; i < n; ++i)for (int j = 0; j < n; ++j)ok = ok && ((out[i] & out[j]) == zero || out[i] == out[j]);puts(ok ? "Yes" : "No");}return 0;
}

转载于:https://www.cnblogs.com/y-clever/p/8513414.html

BZOJ3108 [cqoi2013]图的逆变换相关推荐

2019.4.summary
2019.4.1 BZOJ1061: [Noi2008]志愿者招募真心有点难QAQ https://www.byvoid.com/zhs/blog/noi-2008-employee 看void爷的 ...
BZOJ刷题记录---提高组难度
BZOJ刷题记录---提高组难度总目录详见https://blog.csdn.net/mrcrack/article/details/90228694 序号题号算法思想难度实现难度总难度 ...
人大魏哲巍：图神经网络的理论基础
[专栏:研究思路]近年来,由于图结构数据的强大表现力,用机器学习方法分析图的研究越来越受到重视.图神经网络是一类基于深度学习的处理图结构数据的方法,在众多领域展现出了卓越的性能,因此已成为一种广泛应用 ...
北邮王啸：图神经网络的两面性
报告:王啸撰文:熊宇轩作者简介王啸,北京邮电大学,助理教授.研究方向为图神经网络.数据挖掘与机器学习.曾任清华大学计算机系博士后,天津大学博士,美国圣路易斯华盛顿大学联合培养博士,入选20 ...
【论文知识点笔记】GNN概述（图神经网络概述）
GNN(图神经网络) 图卷积的谱方法图(Graph) 图拉普拉斯矩阵(Graph Laplacian) 正则化的图拉普拉斯矩阵(Normalized graph Laplacian) 图傅里叶基(F ...
傅里叶变换性质证明卷积_图傅里叶变换
本文梳理一下如何从傅里叶变换和拉普拉斯矩阵演变出图傅里叶变换以及图卷积操作.需要读者对傅里叶级数/变换有所了解,主要是对下面几件事有直观的认识傅里叶级数/变换是将函数拆解成无数个不同频率正弦波之和的 ...
沈华伟老师图卷积神经网络教学视频笔记
图卷积神经网络感谢 0. 背景介绍基于图的应用 node-level graph-level singal-level 数据集介绍 1. Cora数据集: 2. CiteSeer 3. Pubme ...
关于谱图理论-图傅里叶变换-谱卷积等谱图领域知识的理解
目录前言重点需要理解的地方谱图理论(Spectral Graph Theory) Laplacian矩阵 Laplacian矩阵简介为什么谱图卷积使用到了拉普拉斯矩阵?(待更新) Laplac ...
opencv 傅立叶变换及其逆变换实例及其理解1
傅立叶变换是把图像从空间域转化到频率域的变换. 空间域一般的情况下,空间域的图像是f(x,y)=灰度级(0-255),形象一点就是一个二维矩阵,每个坐标对应一个颜色值. 频率域先介绍几个概念频率 ...
GNN在谱域下的演化：Spectral CNN，ChebyNet，GCN
文章目录 1. 主要脉络梳理 2. 图傅里叶变换(Graph Fourier Transform) 2.1 拉普拉斯矩阵特征分解 2.2 傅里叶基和傅里叶系数 3. 图卷积 4. 卷积神经网络(CNN ...

BZOJ3108 [cqoi2013]图的逆变换

Description

Solution

Code

BZOJ3108 [cqoi2013]图的逆变换相关推荐

最新文章

热门文章