*POJ 2175 Evacuation Plan | 费用流

这题我真是呵呵了,交了13发才AC。

不过期间也学会了不少东西,例如论读懂题意的重要性,求负环的正确姿势。

题意:

有n个建筑,m个避难所。每个建筑有一定人数,每个避难所所容纳的人数有限。

现在已经有了一个逃离方案。让你判断是否是最优,如果不是,让你找出更优的。


思路:

一开始以为直接求最优了事,结果直接TLE了事。


根据已有的逃离方案建好图,然后开始判断图中是否存在负环。

不存在负环则说明已经是最优。

存在负环则说明还可以更优。(还是不太懂为何存在负环就不是最优,铭神是这么说就这样么写了。的确按正常情况来跑算法是不会出现负环的)

存在负环则开始找负环。只要找出其中一个负环,流量更新1点也行,只要比当前的方案优秀。


建图:

根据给出方案构造残余网络;

从s流出的流量肯定是满的,但避难所可能还可以容纳更多的人。因此可以忽略s点。

*求负环:

遍历一遍每个避难所,从避难所出发,每次所走过的点都标记下来,并且保存路径。沿路更新权值时其实用了bellmanFord的思想,不过采用dfs的方式。

当找到了一个已经走到过的点,则说明找到了负环。记下当前这个点,表示结束点。

因为找负环可能出现一个负环多一条尾巴的情况,不记录下结束点,根据路径往回更新流量就会出错。(如下图)

*每次从新的避难所出发时,不需要把上一次的费用初始化,会TLE掉。不初始化仍然正确,因为每个点所保存的权值(小于等于0)。如果你从新的避难所出发,仍然无法使那点的权值小于上一次寻找的所得的权值,是没必要从那点继续走下去,因为根本无法找到负环,要是找的到,上一次的寻找已经找到了。初始化反而重复走无法找到负环的路。




AC代码:

#include <cstdio>
#include <cstring>
#include <cstdlib>
#include <iostream>
#include <queue>
using namespace std;

#define debug cout<<"??"<<endl;
const int MAXN = 205;
const int MAXM = 105;
const int MAXEDGE = 1e5 + 5;
const int INF = 0x3f3f3f3f;

int path[MAXN][MAXM];
int n, m;
struct CEdge
{
        int from, to, cap, flow, cost, next;
}edge[MAXEDGE];
struct CMCMF
{
        int s, t, pp;
        int head[MAXN], d[MAXN], p[MAXN];
        bool vis[MAXN];
        CMCMF(int ss, int tt)
        {
                s = ss, t = tt;
                pp = cot = 0;
                memset(head, -1, sizeof(head));
                memset(vis, false, sizeof(vis));
                memset(d, 0 ,sizeof(d));
        }
        void addEdge(int u, int v, int cap, int flow, int cost)
        {
                edge[pp] = (CEdge){u, v, cap, flow, cost, head[u]};
                head[u] = pp++;
                edge[pp] = (CEdge){v, u, 0, -flow, -cost, head[v]};
                head[v] = pp++;
        }
        void getPath()
        {
                for(int i = 1;i <= n; i++)
                {
                        int next = head[i];
                        while(next != -1)
                        {
                                CEdge &e = edge[next];
                                if(e.cap > 0)
                                {
                                        path[i][e.to-n] = e.flow;
                                }
                                next = e.next;
                        }
                }
        }
        int cot, stp;
        void update()
        {
                for(int i = cot-1; i >= 0; i--)
                {
                        edge[p[i]].flow += 1;
                        edge[p[i]^1].flow -= 1;
                        if(edge[p[i]].from == stp)    break;
                }
        }
        int findNegativeRing(int u, int t, int c)
        {
                if(vis[u])
                {
                        stp = u;
                        cot = c;
                        return t;
                }
                vis[u] = true;
                int f = 0, next = head[u];
                while(next != -1)
                {
                        CEdge &e = edge[next];
                        if(e.cap > e.flow && d[e.to] > d[u] + e.cost)
                        {
                                d[e.to]  = d[u] + e.cost;
                                p[c] = next;
                                f = findNegativeRing(e.to, min(t, e.cap - e.flow), c + 1);
                                if(f != 0) break;
                        }
                        next = e.next;
                }
                vis[u] = false;
                return f;
        }
};

struct Build
{
        int x, y, num;
}b[MAXN], s[MAXM];

int sum[MAXN];
int main()
{
        while(scanf("%d%d", &n ,&m) != EOF)
        {
                //init
                int ss = 0, t = n+m+1;
                CMCMF mcmf(ss, t);

                for(int i = 1;i <= n; i++)
                        scanf("%d%d%d", &b[i].x, &b[i].y, &b[i].num);
                for(int i = 1;i <= m; i++)
                        scanf("%d%d%d", &s[i].x, &s[i].y, &s[i].num);
                //build graph
                int tmp, dis;
                memset(sum, 0 ,sizeof(sum));
                for(int i = 1;i <= n; i++)
                {
                        for(int j = 1;j <= m; j++)
                        {
                                dis = abs(s[j].x - b[i].x) + abs(s[j].y - b[i].y) + 1;
                                scanf("%d", &tmp);
                                sum[j] += tmp;
                                mcmf.addEdge(i, j+n, INF, tmp, dis);
                        }
                }
                for(int i = n+1;i <= n+m; i++)
                        mcmf.addEdge(i, t, s[i-n].num, sum[i-n], 0);

                //findNegativeRing
                bool mark = false;
                for(int i = n+1;i <= n+m; i++)
                {
                        //memset(mcmf.d, INF, sizeof(mcmf.d));
                        //mcmf.d[i] = 0;
                        mcmf.cot = 0;
                        int f = mcmf.findNegativeRing(i, INF ,0);
                        if(f != 0)
                        {
                                mcmf.update();
                                mark = true;
                                break;
                        }
                }

                //output
                if(!mark)
                        puts("OPTIMAL");
                else
                {
                        puts("SUBOPTIMAL");
                        mcmf.getPath();
                        for(int i = 1;i <= n; i++)
                        {
                                for(int j = 1;j <= m; j++)
                                {
                                        printf("%d%c", path[i][j], j == m ? '\n':' ');
                                }
                        }
                }
        }
        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