- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
这是算法设计书上的一道题。
给定一个顶点为 G=(V,E) 的二分图,其中 V=(A,B) 使得 |A|=|B|=n。
我们设法将 A 中的 n-2 个节点与 B 中的 n-2 个节点完美匹配。但是,对于 A 中剩余的两个节点,我们将它们都映射到 B 中的某个节点(不是 n-2 个节点中的一个)在 B 中已经匹配到。)
鉴于上面“匹配”的信息,如何用O(n^2)的时间来判断A和B是否真的存在完美匹配?一个提示就好了。谢谢。
最佳答案
假设 u 和 v 是 A 中与 B 中的同一节点 x 匹配的两个节点。选择这两个节点之一 - 将其称为 u - 并从匹配中删除到 x 的边。现在剩下一个图,其中在 A 的 n - 1 个节点和 B 的 n - 1 个节点之间有一个匹配。现在的问题是你是否可以扩展这个匹配以使其更大。
使用 Berge 定理有一种非常好的方法可以做到这一点,该定理表示当且仅当两个不匹配的节点之间没有交替路径时,图中的匹配是最大的。 (交替路径是在使用不包含在匹配中的边和包含在匹配中的边之间交替的路径)。您可以通过从节点 u 开始并尝试通过修改的二进制搜索找到到 x 的路径来找到这样的路径,其中当您从 A 到 B 时,您只遵循不匹配的边,当您从 B 返回到 A 时你只遵循匹配的边缘。如果存在从 u 到 x 的交替路径,那么您一定会以这种方式找到它,如果不存在这样的路径,那么您也可以确定这一点。
如果您确实找到了一条从 u 到 x 的交替路径,您可以“翻转”它以将匹配的大小增加一个。具体来说,获取路径中所有不在匹配中的边并添加它们,并获取所有匹配中的边并删除它们。结果仍然是一个有效的匹配,它比你开始时多了一个优势(如果你不明白这是为什么,请尝试一些例子,看看你找到了什么,或者看看 Berge 定理的证明) .
总的来说,这种方法需要时间 O(m + n),其中 m 是图中的边数,n 是节点数。在二分图中,边数 m 最多为 O(n2),因此这与您的时间限制相匹配(事实上,实际上有点紧!)
关于algorithm - 使用 O(n^2) 时间来修复二分匹配中的错误,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47214190/
在使用 requests 库中的状态代码时,我遇到了一些奇怪的事情。每个 HTTP 状态代码都有一个常量,有些具有别名(例如,包括 200 的复选标记): url = 'https://httpbin
这是我得到的代码,但我不知道这两行是什么意思: o[arr[i]] = o[arr[i]] || {}; o = o[arr[i]]; 完整代码: var GLOBAL={}; GLOBAL.name
所以这个问题的答案What is the difference between Θ(n) and O(n)? 指出“基本上,当我们说算法是 O(n) 时,它也是 O(n2)、O(n1000000)、O
这是一个快速的想法;有人会说 O(∞) 实际上是 O(1) 吗? 我的意思是它不依赖于输入大小? 所以在某种程度上它是恒定的,尽管它是无限的。 或者是唯一“正确”的表达方式 O(∞)? 最佳答案 无穷
这是真的: log(A) + log(B) = log(A * B) [0] 这也是真的吗? O(log(A)) + O(log(B)) = O(log(A * B)) [1] 据我了解 O(f
我正在解决面试练习的问题,但我似乎无法找出以下问题的时间和空间复杂度的答案: Given two sorted Linked Lists, merge them into a third list i
我了解 Big-Oh 表示法。但是我该如何解释 O(O(f(n))) 是什么意思呢?是指增长率的增长率吗? 最佳答案 x = O(n)基本上意味着 x <= kn对于一些常量 k . 因此 x = O
我正在编写一个函数,该函数需要一个对象和一个投影来了解它必须在哪个字段上工作。 我想知道是否应该使用这样的字符串: const o = { a: 'Hello There' }; funct
直觉上,我认为这三个表达式是等价的。 例如,如果一个算法在 O(nlogn) + O(n) 或 O(nlogn + n) 中运行(我很困惑),我可以假设这是一个O(nlogn) 算法? 什么是真相?
根据 O'Reilly 的 Python in a Nutshell 中的 Alex Martelli,复杂度类 O(n) + O(n) = O(n)。所以我相信。但是我很困惑。他解释说:“N 的两个
O(n^2)有什么区别和 O(n.log(n)) ? 最佳答案 n^2 的复杂性增长得更快。 关于big-o - 大 O 符号 : differences between O(n^2) and O(n
每当我收到来自 MS outlook 的电子邮件时,我都会收到此标记 & nbsp ; (没有空格)哪个显示为?在 <>. 当我将其更改为 ISO-8859-1 时,浏览器页面字符集编码为 UTF-8
我很难理解 Algorithms by S. Dasgupta, C.H. Papadimitriou, and U.V. Vazirani - page 24 中的以下陈述它们将 O(n) 的总和表
我在面试蛋糕上练习了一些问题,并在问题 2给出的解决方案使用两个单独的 for 循环(非嵌套),解决方案提供者声称他/她在 O(n) 时间内解决了它。据我了解,这将是 O(2n) 时间。是我想错了吗,
关于 Java 语法的幼稚问题。什么 T accept(ObjectVisitorEx visitor); 是什么意思? C# 的等价物是什么? 最佳答案 在 C# 中它可能是: O Accept(
假设我有一个长度为 n 的数组,我使用时间为 nlogn 的排序算法对它进行了排序。得到这个排序后的数组后,我遍历它以找到任何具有线性时间的重复元素。我的理解是,由于操作是分开发生的,所以时间是 O(
总和 O(1)+O(2)+ .... +O(n) 的计算结果是什么? 我在某处看到它的解决方案: O(n(n+1) / 2) = O(n^2) 但我对此并不满意,因为 O(1) = O(2) = co
这个问题在这里已经有了答案: 11 年前关闭。 Possible Duplicate: Plain english explanation of Big O 我想这可能是类里面教的东西,但作为一个自学
假设我有两种算法: for (int i = 0; i 2)更长的时间给定的一些n - 其中n这种情况的发生实际上取决于所涉及的算法 - 对于您的具体示例, n 2)分别时间,您可能会看到: Θ(n)
这个问题在这里已经有了答案: Example of a factorial time algorithm O( n! ) (4 个回答) 6年前关闭。 我见过表示为 O(X!) 的 big-o 示例但
我是一名优秀的程序员,十分优秀!