HDU 1533 Going Home (KM)

Going Home
Time Limit: 10000/5000 MS (Java/Others) Memory Limit: 65536/32768 K (Java/Others)
Total Submission(s): 5632 Accepted Submission(s): 2962

Problem Description
On a grid map there are n little men and n houses. In each unit time, every little man can move one unit step, either horizontally, or vertically, to an adjacent point. For each little man, you need to pay a $1 travel fee for every step he moves, until he enters a house. The task is complicated with the restriction that each house can accommodate only one little man.

Your task is to compute the minimum amount of money you need to pay in order to send these n little men into those n different houses. The input is a map of the scenario, a ‘.’ means an empty space, an ‘H’ represents a house on that point, and am ‘m’ indicates there is a little man on that point.

You can think of each point on the grid map as a quite large square, so it can hold n little men at the same time; also, it is okay if a little man steps on a grid with a house without entering that house.

Input
There are one or more test cases in the input. Each case starts with a line giving two integers N and M, where N is the number of rows of the map, and M is the number of columns. The rest of the input will be N lines describing the map. You may assume both N and M are between 2 and 100, inclusive. There will be the same number of 'H’s and 'm’s on the map; and there will be at most 100 houses. Input will terminate with 0 0 for N and M.

Output
For each test case, output one line with the single integer, which is the minimum amount, in dollars, you need to pay.

Sample Input
2 2
.m
H.
5 5
HH…m



mm…H
7 8
…H…
…H…
…H…
mmmHmmmm
…H…
…H…
…H…
0 0

Sample Output
2
10
28

KM算法详解:http://www.cnblogs.com/wenruo/p/5264235.html
我这里就讲一下KM算法和稳定婚姻匹配的区别。
稳定婚姻匹配是一种贪心算法,这跟他所求解的题目有关,稳定婚姻匹配的题目都有一个重要条件——稳定,即

对于某2个匹配,比如,( a ---- 1) ,(b----2) ,如果发射点a 离接收点2 比 1要近,而且2 也离 发射点a要比 b 近, 那么 a 就很有可能把信号发到 2中,我们就说这个搭配是不 稳定的。同样如果发射点b 离接收点1 比 2 要近,而且1 也离 发射点b要比 a 近 ,也会出现不稳定的情 况. !

从上面的题意可以看出,题目所求的是一种稳定的方案。
而KM算法是求匹配方案权值的最大和,即使可能最终求出来权值的最大和的方案是不稳定的

在这里插入图片描述
譬如这张图,如果我们用稳定婚姻匹配算法(假定边的权值就代表好感度,权值越大,代表越喜欢)
那么最后求出来的组合是A-D,B-F,C-E,权值和为15+8+3=26,组合稳定
那么用km算法,我们求出来的组合是A-E,B-F,C-D ,权值和为12+8+13=33,但是这个组合是不稳定的
因为D相比C更喜欢A,A也相比E更喜欢D,所以匹配不稳定。
还有不同的是KM算法的复杂度是O(n^3),稳定婚姻匹配是O(n*n)
所以希望大家不要搞混这两个算法,所求题目的类型还是有区别的

KM算法其实是用来求带权二分图的最优匹配的,其实也可用费用流来做

这道题因为是求最小的花费,而KM是求好感度和的最大值,所以这里就要建立负权边,其他就是套用KM算法模板

#include<cstdio>
#include<algorithm>
#include<iostream>
#include<queue>
#include<cstring>
#define MAXN 150
#define INF 999999999
#define Min(a,b) a>b?b:a
using namespace std;

struct Mymap
{
	int x;
	int y;
	int value;
};
int map[MAXN][MAXN];   //map[i][j]第i个人和第j个房子的距离
Mymap man[MAXN],house[MAXN];
int n,m,mannum,housenum;
int visgirl[MAXN],visboy[MAXN];
int match[MAXN],slack[MAXN];   //match为第i座房子匹配的人

int dfs(int girl)   //girl为人
{
	visgirl[girl]=1;
	for(int i=1;i<=housenum;i++)  //i为房子的编号
	{
		if(visboy[i])continue;

		int gap=man[girl].value+house[i].value-map[girl][i];

		if(gap==0)
		{
			visboy[i]=1;
			if(match[i]==-1||dfs(match[i]))
			{
				match[i]=girl;
				return 1;
			}
		}
		else
			slack[i]=Min(gap,slack[i]);    //任意一个参与匹配女生能换到任意一个这轮没有被选择过的男生所需要降低的最小值
										 //此时i是未被选择过的,而slack[i]表示就所有女生降低期望值的话,需要最少的期望值,使i男得到匹配至少一个女生
		//女1选择男1,期望值要降低1。 女2选择男1,期望值要降低1。 女2选择男2,期望值要降低2。于是,只要期望值降低1,就有妹子可能选择其他人。所以妹子们的期望值要降低1点。
	}
	return 0;
}

int KM()
{
	int j;
	memset(match,-1,sizeof(match));
	for(int i=1;i<=mannum;i++)  //i为人(女生)的标号
	{
		for(j=1;j<=housenum;j++)   //因为取最小值,所以初始化无穷大
		{
			slack[j]=INF;
		}
		while(1)
		{
			memset(visboy,0,sizeof(visboy));
			memset(visgirl,0,sizeof(visgirl));
			
			if(dfs(i))break;

			int d=INF;
			for(j=1;j<=housenum;j++)   //找出最小的改变量
			{
				if(visboy[j]==0)d=Min(d,slack[j]);   //只有visboy[i]==0时slack[i]有值
			}

			for(j=1;j<=mannum;j++)//刚才被抢的男生此时非常得意,因为有妹子来抢他,与是他的期望值提高了1点(就是同妹子们降低的期望值相同)。
            {                      //与是期望值变成这样(当然,不参与刚才匹配过程的人期望值不变)
		
				if(visgirl[j])man[j].value-=d;   //对参加

				if(visboy[j])house[j].value+=d;
				else slack[j]-=d;   //因为女生已经降了期望值,所以i男匹配所需最小期望值也降1,没有访问过的boy 因为girl们的期望值降低,距离得到女生倾心又进了一步!
				                    //因为这个slack[i]是根据参加这轮匹配的女生中得到的,即得到该轮匹配中的一个女神的芳心的最小期望值
			}
		}
	}
	int res=0;
	for(int i=1;i<=housenum;i++)
	{
		res+=map[match[i]][i];
	}
	
	return res;
}
int main()
{
	int i,j,ans,from,to;
	char c;
	while(scanf("%d%d",&n,&m),m+n)
	{
		getchar();
		memset(map,0,sizeof(map));
		mannum=housenum=0;
		for(i=1;i<=n;i++)
		{
			for(j=1;j<=m;j++)
			{
				cin>>c;
				if(c=='H')
				{
					housenum++;
					house[housenum].x=i;
					house[housenum].y=j;
					house[housenum].value=0;
				}
				if(c=='m')
				{
					mannum++;
					man[mannum].x=i;
					man[mannum].y=j;
				}
				

			}
			getchar();
		}
		int max=-INF;
		for(i=1;i<=mannum;i++)
		{
			max=-INF;
			for(int z=1;z<=housenum;z++)
			{
				map[i][z]=-abs(man[i].x-house[z].x)-abs(man[i].y-house[z].y);
				if(max<map[i][z])
						max=map[i][z];
			}
			man[i].value=max;
		}
		ans=0;
		ans=KM();
		printf("%d\n",0-ans);

	}
	return 0;
}
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值