宝石收集,tarjan

0宝石收集 - 蓝桥云课 (lanqiao.cn)

复制代码
n=int(input())
s='0'+input()
m=int(input())
mp=[[] for i in range(n+1)]
for i in range(m):
    a,b=map(int,input().split())
    a+=1
    b+=1

    mp[a].append(b)


import sys
sys.setrecursionlimit(100000000)
dfn=[0 for i in range(n+1)]
low=[0 for i in range(n+1)]
cnt=0

stk=[]
instk=[0 for i in range(n+1)]

p=0
scc=[0 for i in range(n+1)]

def tarjan(x):
    global cnt,p
    cnt+=1
    dfn[x]=low[x]=cnt
    stk.append(x)
    instk[x]=1
    for i in mp[x]:
        if dfn[i]==0:
            tarjan(i)
            low[x]=min(low[x],low[i])
        elif instk[i]:
            low[x]=min(low[x],dfn[i])


    if dfn[x]==low[x]:
        p+=1
        y=stk.pop()
        instk[y]=0
        scc[y]=p
        while x!=y:
            y = stk.pop()
            instk[y] = 0
            scc[y] = p
for i in range(1,n+1):
    if dfn[i]==0:tarjan(i)

del instk,low,dfn

ru=[0 for i in range(p+1)]
h=[0 for i in range(p+1)]
l=[0 for i in range(p+1)]
nmp=[[] for i in range(p+1)]
for i in range(1,n+1):
    if s[i]=='0': h[scc[i]]+=1
    else : l[scc[i]]+=1
    for j in mp[i]:
        if scc[i]!=scc[j]:
            ru[scc[j]]+=1
            nmp[scc[i]].append(scc[j])
del mp

def dfs(x,a,b):
    ans=0
    vis=0
    for y in nmp[x]:
        ans=max(dfs(y,a+h[y],b+l[y]),ans)
        vis=1
    if vis==0:return min(a,b)
    else:return ans
ans=0
for i in range(1,p+1):
    if ru[i]==0:
        ans=max(ans,dfs(i,h[i],l[i]))
print(ans)
相关推荐
CoovallyAIHub7 小时前
OpenClaw 近 2000 个 Skills,为什么没有一个好用的视觉检测工具?
深度学习·算法·计算机视觉
CoovallyAIHub7 小时前
CVPR 2026 | 用一句话告诉 AI 分割什么——MedCLIPSeg 让医学图像分割不再需要海量标注
深度学习·算法·计算机视觉
CoovallyAIHub8 小时前
Claude Code 突然变成了 66 个专家?这个 5.8k Star 的开源项目,让我重新理解了什么叫"会用 AI"
深度学习·算法·计算机视觉
兆子龙8 小时前
前端哨兵模式(Sentinel Pattern):优雅实现无限滚动加载
前端·javascript·算法
CoovallyAIHub11 小时前
9个视觉语言模型工厂实测:Qwen 87.9%碾压全场,你的显卡能跑哪个?
算法
SparkX开源AI知识库12 小时前
手摸手带你安装OpenClaw并对接飞书
算法·架构
一语071612 小时前
3分钟搞懂深度学习AI:实操篇:卷积层
人工智能·算法
CoovallyAIHub1 天前
181小时视频丢给GPT-5,准确率只有15%——南大联合NVIDIA等五校发布多模态终身理解数据集
深度学习·算法·计算机视觉
CoovallyAIHub1 天前
CVPR 2026 | GS-CLIP:3D几何先验+双流视觉融合,零样本工业缺陷检测新SOTA,四大3D工业数据集全面领先!
深度学习·算法·计算机视觉