[51Nod1676 无向图同构]无向图哈希[通俗易懂]

[51Nod1676无向图同构]无向图哈希分类:DataStructureHash1.题目链接[51Nod1676无向图同构]2.题意描述3.解题思路对某一个东西进行哈希,一般就选取一些特征点,然后尽可能离散化这些特征点。对于无向图中的每一个联通块来说,他的特征点就是顶点的度。显然这样还不够,那么可以加入深度这个特征,只需要对联通块的每一个顶点bfs求一边单源点最短路。利用这两个特

大家好,又见面了,我是你们的朋友全栈君。

[51Nod1676 无向图同构]无向图哈希

分类:Data Structure Hash

1. 题目链接

[51Nod1676 无向图同构]

2. 题意描述

题目描述

3. 解题思路

对某一个东西进行哈希,一般就选取一些特征点,然后尽可能离散化这些特征点。对于无向图中的每一个联通块来说,他的特征点就是顶点的度。显然这样还不够,那么可以加入深度这个特征,只需要对联通块的每一个顶点bfs求一边单源点最短路。
利用这两个特征点,然后随意构造哈希函数(xjb搞)就可以了。不过代码写得并不优美

4. 实现代码

#include <bits/stdc++.h>
using namespace std;

typedef long long ll;
typedef long double lb;
typedef unsigned int uint;
typedef unsigned long long ull;
typedef pair<int, int> pii;
typedef pair<ll, ll> pll;
typedef pair<ull, ull> puu;
typedef pair<lb, lb> pbb;

const int inf = 0x3f3f3f3f;
const ll infl = 0x3f3f3f3f3f3f3f3fLL;
template<typename T> inline void umax(T &a, T b) { a = max(a, b); }
template<typename T> inline void umin(T &a, T b) { a = min(a, b); }
template<typename T> inline T randIntv(const T& a, const T& b) { return (T)rand() % (b - a + 1) + a; }
void debug() { cout << endl; }
template<typename T, typename ...R> void debug (T f, R ...r) { cout << "[" << f << "]"; debug (r...); }

const int MAXN = 500;
const int BASE1 = 13331;
const int BASE2 = 100007;
vector<int> G1[MAXN], G2[MAXN];
int dep[MAXN], du1[MAXN], du2[MAXN];
ull qz1[100000], qz2[100000];
ull bfs(int s, vector<int> G[], int du[]) {
    memset(dep, -1, sizeof(dep));
    ull ret1 = 0, ret2 = 0;
    queue<int> q;
    q.push(s);
    dep[s] = 0;
    while (!q.empty()) {
        int u = q.front(); q.pop();
        ret1 += qz1[du[u]];
        ret2 += qz2[dep[u]];
        for (auto& v : G[u]) {
            ret1 += (qz1[du[u]] * qz1[du[v]]);
            ret2 += (qz2[dep[u]] * qz2[dep[v]]);// ^ (qz1[du[u]] * qz1[du[v]]); // * qz2[dep[u]] * qz2[dep[v]];
            if (dep[v] != -1) continue;
            dep[v] = dep[u] + 1;
            q.push(v);
        }
    }
    return ret1 ^ ret2;
}
bool used[MAXN];
vector<int> path;
void dfs(int u, vector<int> G[]) {
    if (used[u]) return;
    used[u] = true;
    path.push_back(u);
    for (auto& v : G[u]) {
        dfs(v, G);
    }
}

void hashV(int n, vector<int> G[], int du[], vector<ull>& ret) {
    memset(used, false, sizeof(used));
    ret.clear();
    for (int i = 1; i <= n; ++i) {
        if (used[i]) continue;
        path.clear();
        dfs(i, G);
        ull temp = 0;
        for (auto& u : path) temp += bfs(u, G, du);
        ret.push_back(temp * qz2[path.size()]);
    }
    sort(ret.begin(), ret.end());
}

int main() {
#ifdef ___LOCAL_WONZY___
    freopen("input.txt", "r", stdin);
#endif // ___LOCAL_WONZY___
    qz1[0] = qz2[0] = 1;
    for (int i = 1; i < 100000; ++i) {
        qz1[i] = qz1[i - 1] * BASE1;
        qz2[i] = qz2[i - 1] * BASE2;
    }
    int T, n, m, u, v;
    cin >> T;
    while (T --) {
        cin >> n >> m;
        for (int i = 1; i <= n; ++i) {
            G1[i].clear();
            G2[i].clear();
            du1[i] = du2[i] = 0;
            dep[i] = -1;
        }
        for (int i = 1; i <= m; ++i) {
            cin >> u >> v;
            G1[u].push_back(v);
            G1[v].push_back(u);
            ++ du1[u]; ++ du1[v];
        }
        for (int i = 1; i <= m; ++i) {
            cin >> u >> v;
            G2[u].push_back(v);
            G2[v].push_back(u);
            ++ du2[u]; ++ du2[v];
        }
        vector<ull> v1, v2;
        hashV(n, G1, du1, v1);
        hashV(n, G2, du2, v2);
        bool ans = equal(v1.begin(), v1.end(), v2.begin());
        cout << (ans ? "YES" : "NO") << endl;
    }
#ifdef ___LOCAL_WONZY___
    cout << "Time elapsed: " << 1.0 * clock() / CLOCKS_PER_SEC * 1000 << "ms." << endl;
#endif // ___LOCAL_WONZY___
    return 0;
}
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/127907.html原文链接:https://javaforall.net

赞 (0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • 反向传播(BPTT)与循环神经网络(RNN)文本预测

    反向传播(BPTT)与循环神经网络(RNN)文本预测反向传播(BPTT)与RNN文本预测实战本文介绍简单RecurrentNeuralNetworks(RNN)的基本训练算法BACKPROPAGATIONTHROUGHTIME(BPTT),并用python2.7实现RNN的文本预测。

    2022年6月23日
  • 计算机编程原理_如何编程

    计算机编程原理_如何编程一、Socket简介Socket是进程通讯的一种方式,即调用这个网络库的一些API函数实现分布在不同主机的相关进程之间的数据交换。几个定义:(1)IP地址:即依照TCP/IP协议分配给本地主机的网络地址,两个进程要通讯,任一进程首先要知道通讯对方的位置,即对方的IP。(2)端口号:用来辨别本地通讯进程,一个本地的进程在通讯时均会占用一个端口号,不同的进程端口号不同,因此在通

    2022年10月17日
  • java锁cas(java锁的实现原理)

    一、Java锁1.常见的锁有synchronized和Lock()①synchronized是jvm层面实现的,可以直接用,不过要锁住某个对象;lock是属于j.u.c包下的接口,用的时候要实现lock接口。②synchronized一般和wait()、notify()、notifyAll()一起使用,使用完不用释放锁;lock必须在finally里面手动释放。@lock锁与s…

    2022年4月15日
  • 【PHP】PHP获得第一章

    【PHP】PHP获得第一章

    2022年1月12日
  • apache虚拟主机配置文件_apache是一种什么服务器

    apache虚拟主机配置文件_apache是一种什么服务器Apache配置虚拟主机三种方式记事本打开httpd.conf文件,该文件在apache的目录下,如:D:\AppServ\Apache2.2\conf,修改如下两处:LoadModulevhost_alias_modulemodules/mod_vhost_alias.so//去掉前面的#,意思是启用apache的虚拟主机功能,第203行Includeconf/…

    2022年10月9日
  • 认识Shiro框架

    认识Shiro框架Shiro三大组件:Subject:Subject一般来说代表当前登录的用户,我们可以在自己的代码中很容易的获取到Subject对象SecurityManager:它是shiro框架的核心。Subject代表某一个用户,而SecurityManager就是对这些Subject进行管理的对象,在web项目中使用shiro的时候,我们通常在xml文件中配置好SecurityManager

    2022年9月8日

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号