[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, 请联系我们举报,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

(0)
上一篇 2022年4月10日 下午10:00
下一篇 2022年4月10日 下午10:20


相关推荐

  • Keras入门(八)K折交叉验证

    Keras入门(八)K折交叉验证在文章 Keras 入门 一 搭建深度神经网络 DNN 解决多分类问题中 笔者介绍了如何搭建 DNN 模型来解决 IRIS 数据集的多分类问题 本文将在此基础上介绍如何在 Keras 中实现 K 折交叉验证 什么是 K 折交叉验证 K 折交叉验证是机器学习中的一个专业术语 它指的是将原始数据随机分成 K 份 每次选择 K 1 份作为训练集 剩余的 1 份作为测试集 交叉验证重复 K 次 取 K 次准确率的平均值作为最终模型的评价指标 一般取 K 10 即 10 折交叉验证 如下图所示 用交叉验证的目的是为了得到可靠稳定的模型 K 折交

    2025年6月14日
    8
  • 蓝桥杯 2014真题 史丰收速算

    蓝桥杯 2014真题 史丰收速算标题 史丰收速算史丰收速算法的革命性贡献是 从高位算起 预测进位 不需要九九表 彻底颠覆了传统手算 速算的核心基础是 1 位数乘以多位数的乘法 其中 乘以 7 是最复杂的 就以它为例 因为 1 7 是个循环小数 0 如果多位数超过 就要进 1 同理 2 7 3 7 6 7 也都是类似的循环小数

    2025年9月7日
    5
  • Midjourney怎样生成PPT配图_MidjourneyPPT配图教程【步骤】

    Midjourney怎样生成PPT配图_MidjourneyPPT配图教程【步骤】

    2026年3月15日
    2
  • 剖析Disruptor

    剖析Disruptor剖析 Disruptor 为什么会这么快 一 锁的缺点原文 http ifeve com disruptor locks are bad 作者 Trisha s nbsp 译者 张文灼 潘曦 nbsp 整理和校对 方腾飞 丁一 MartinFowler 写了一篇非常好的文章 里面不仅提到了 Disruptor 而且还解释了 Disruptor 如何应用在 LMAX 的架构里 里面有提及了

    2026年1月30日
    1
  • 第五章 更换cdh版本,hive的安装使用,原理讲解

    第五章 更换cdh版本,hive的安装使用,原理讲解第五章 更换cdh版本,hive的安装使用,原理讲解

    2022年4月23日
    72
  • css清除默认样式_htmlclearboth

    css清除默认样式_htmlclearbothCSSclear属性   –定义和用法clear属性规定元素的哪一侧不允许其他浮动元素。说明:在CSS1和CSS2中,为清除元素增加外边距实现的。在CSS2.1中,会在元素上外边距之上增加清除空间,而外边距本身并不改变。可能的值值描述left在左侧不允许浮动元素。right在右侧不允许浮动元素。…

    2025年10月28日
    6

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