• 混合图欧拉回路


    相关题目:pku1637,zju1992

    欧拉回路相关资料:

    判断一个图中是否存在欧拉回路(每条边恰好只走一次,并能回到出发点的路径),在以下三种情况中有三种不同的算法:

    一、无向图
    每个顶点的度数都是偶数,则存在欧拉回路。

    二、有向图(所有边都是单向的)
    每个节顶点的入度都等于出度,则存在欧拉回路。

     

    三.混合图欧拉回路
      混合图欧拉回路用的是网络流。
      把该图的无向边随便定向,计算每个点的入度和出度。如果有某个点出入度之差为奇数,那么肯定不存在欧拉回路。因为欧拉回路要求每点入度 = 出度,也就是总度数为偶数,存在奇数度点必不能有欧拉回路。
      好了,现在每个点入度和出度之差均为偶数。那么将这个偶数除以2,得x。也就是说,对于每一个点,只要将x条边改变方向(入>出就是变入,出>入就是变出),就能保证出 = 入。如果每个点都是出 = 入,那么很明显,该图就存在欧拉回路。
      现在的问题就变成了:我该改变哪些边,可以让每个点出 = 入?构造网络流模型。首先,有向边是不能改变方向的,要之无用,删。一开始不是把无向边定向了吗?定的是什么向,就把网络构建成什么样,边长容量上限1。另新建s和t。对于入 > 出的点u,连接边(u, t)、容量为x,对于出 > 入的点v,连接边(s, v),容量为x(注意对不同的点x不同)。之后,察看是否有满流的分配。有就是能有欧拉回路,没有就是没有。欧拉回路是哪个?查看流值分配,将所有流量非 0(上限是1,流值不是0就是1)的边反向,就能得到每点入度 = 出度的欧拉图。
      由于是满流,所以每个入 > 出的点,都有x条边进来,将这些进来的边反向,OK,入 = 出了。对于出 > 入的点亦然。那么,没和s、t连接的点怎么办?和s连接的条件是出 > 入,和t连接的条件是入 > 出,那么这个既没和s也没和t连接的点,自然早在开始就已经满足入 = 出了。那么在网络流过程中,这些点属于“中间点”。我们知道中间点流量不允许有累积的,这样,进去多少就出来多少,反向之后,自然仍保持平衡。
      所以,就这样,混合图欧拉回路问题,解了。

     

    题目:pku1637对应代码

     

    #include<cstdio>
    #include
    <iostream>
    #include
    <queue>
    using namespace std;
    #define MAX_N 205
    #define INF 0x7fffffff
    int s,t,n,map[MAX_N][MAX_N],indeg[MAX_N],outdeg[MAX_N],pre[MAX_N],fullflow,e;
    void input();
    void make_graph();
    bool test();
    int bfs();
    int MaxFlow();
    int main()
    {
        
    int caseno;
        scanf(
    "%d",&caseno);
        
    while(caseno--){
            input();
            
    if(test()==0){    printf("impossible\n");continue;}   //存在奇数度点不可能有欧拉回路
            make_graph();                                       //构造网络流模型
            if(MaxFlow()==fullflow)    printf("possible\n");
            
    else printf("impossible\n");
        }
        
    return 0;
    }
    void input()
    {
        
    int m,x,y,d;
        scanf(
    "%d %d",&n,&m);
        memset(map,
    0,sizeof(map));memset(indeg,0,sizeof(indeg));
        memset(outdeg,
    0,sizeof(outdeg));
        
    while(m--){
            scanf(
    "%d %d %d",&x,&y,&d);
            
    if(d==0)
                map[x][y]
    ++;            //无向边定向
            indeg[y]++;                    //计算每个点入度和出度
            outdeg[x]++;
        }
    }
    bool test()
    {
        
    int i;
        
    for(i=1;i<=n;i++){
            
    if(abs(indeg[i]-outdeg[i])%2==1)    return 0;
        }
        
    return 1;
    }
    void make_graph()
    {
        
    int i;
        s
    =0;t=n+1;fullflow=0;
        
    for(i=1;i<=n;i++){
            
    if(indeg[i]>outdeg[i])
                map[i][t]
    =(indeg[i]-outdeg[i])/2;
            
    else{
                map[s][i]
    =(outdeg[i]-indeg[i])/2;
                fullflow
    +=map[s][i];
            }
        }
        e
    =t;
    }
    int MaxFlow()   //最大流算法解释见前一篇文章:bfs实现
    {
        
    int max_flow=0,cur,min;
        
    while((min=bfs())!=-1){    
            max_flow
    +=min;
            
    for(cur=e;cur!=s;cur=pre[cur]){
                map[pre[cur]][cur]
    -=min;    
                map[cur][pre[cur]]
    +=min;    
            }
        }
        
    return max_flow;
    }
    int bfs()
    {
        
    int i,tmp,min;
        queue
    <int>q;                
        memset(pre,
    -1,sizeof(pre));    
        pre[s]
    =0;
        q.push(s);
        
    while(!q.empty()){
            tmp
    =q.front();q.pop();
            
    if(tmp==e)    {        
                min
    =INF;
                
    for(i=e;i!=s;i=pre[i])
                    min
    =map[pre[i]][i]<min?map[pre[i]][i]:min;
                
    return min;
            }
            
    for(i=1;i<=e;i++){
                
    if(i!=s&&pre[i]==-1&&map[tmp][i]){     
                    q.push(i);
                    pre[i]
    =tmp;
                }
            }
        }
        
    return -1;
    }
  • 相关阅读:
    剑指 Offer 05. 替换空格
    SNGAN
    CycleGAN
    Robust Pre-Training by Adversarial Contrastive Learning
    FineGAN
    TGAN
    SRGAN
    A Tutorial on Energy-Based Learning
    CoGAN
    EBGAN
  • 原文地址:https://www.cnblogs.com/pandy/p/1452209.html
Copyright © 2020-2023  润新知