最优配对问题

题意:

给出n个点的空间坐标(n为偶数, n<=20), 把他们配成n/2对, 问:怎样配对才能使点对的距离和最小?

思路:

状态定义:
设d(i, s)表示前i个点中,位于集合s中的元素两两配对的最小距离和
则状态转移方程 d(i,S)=min{|PiPj|+d(i-1,S-{i}-{j}。
改进:
状态可以进行压缩,i的值其实隐藏在S中,S中最高位为1的即为i,所以需要一次查找,从n-1到0进行一次遍历即可,整个运算下来,平均查找次数仅为2。
设dp[s]为:状态为s(s代表着某个子集)时, 它的最小距离和。
状态转移方程:d(S)=min{ |PiPj| + d(S-{i}-{j}} | j属于S,i = max{s} }.

1.对于一个状态s, 首先要计算它减少两个点后的状态的最小距离和, 然后当前状态才能从这些状态中转移过来。
2.如何转移:对于状态s, 在集合中随便找一个点,枚举集合中的其他点与它配对, 取距离和最小的那一对。
3.为什么选定一个点,然后枚举集合中的其他点就可以呢?而两个点都要枚举呢? 因为:对于选定的点, 它总得要和集合中的其他点配对, 那么答案就肯定蕴藏在某一次配对中了。而枚举两个点, 实际上是多余的。

实现

1.递推:自底向上,从最小的子集开始计算, 然后大的子集就可以从中转移过来。缺点是点数为奇数的情况也考虑进去了(可以预先判断点数是否为偶,以决定是否需要进入 计算), 速度慢。

2.记忆化搜索:很好理解,对于状态s, 假设它的偶数子集的最小距离和都计算出来了, 那么选定某个点, 再枚举其他点就可以了。而且避免了奇数个元素的子集的计算

#include <cstdio>
#include <cmath>
#include <algorithm>
using namespace std;
const int INF = 1<<20;
const int N = 21;
double d[(1<<N)+1];
int n;

struct Node{
    double x, y, z;
}dot[N];

double dis(Node a, Node b){
    return sqrt( (a.x - b.x)*(a.x - b.x) + (a.y - b.y)*(a.y - b.y) + (a.z - b.z)*(a.z - b.z) );
}

void solve(){
	
	d[0] = 0;
	for(int S = 1; S < (1<<n); ++S){
		int i, j;
		d[S] = INF;
		// 判断 S 中元素的个数,如果为奇数,就不用算了 
		//int num = 0;
		//for(int k = 0; (1<<k) <= S; ++k) if(S&(1<<k)) ++num;
		//if(num&1) continue;
		for(i = 0; i < n; ++i) 
			if(S&(1<<i)) break;
			
		for(j = i+1; j < n; ++j) 
			if(S&(1<<j)) d[S] = min(d[S], dis(dot[i],dot[j])+d[S^(1<<i)^(1<<j)]);
	}
}

double solve2(int s){
	if(d[s] != INF) return d[s];
	
	int i;
    for(i = 0; i<n; i++)
        if(s&(1<<i)) break;
    for(int j = i+1; j<n; j++)
        if(s&(1<<j))
         d[s] = min( d[s], dis(dot[i], dot[j]) + solve2(s^(1<<i)^(1<<j)) );
 
    return d[s];
}

int main()
{

	freopen("in.txt","r",stdin);
	while(scanf("%d",&n) == 1&&n){
		for(int i = 0; i < n; ++i)
        	scanf("%lf %lf %lf", &dot[i].x, &dot[i].y, &dot[i].z) ;
        	
        d[0] = 0;
    	for(int i = 1; i < (1<<n); ++i) d[i] = INF;
        	
		//solve();
		solve2( (1<<n) - 1 );
		printf("%.3lf\n",d[(1<<n)-1]);
	}

	return 0;
}


https://blog.csdn.net/dolfamingo/article/details/72593993

  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
网络流是一种用于解决各种问题的算法,包括飞行员配对问题。在这个问题中,我们可以使用最大流算法来找到最配对方案。 首先,我们需要将问题转化为图论问题。我们可以将每个飞行员和机型看作图中的一个节点,并且在这些节点之间建立一些边,以反映它们之间的关系。具体来说,我们可以: - 对于每个飞行员,从源节点向该节点连一条容量为1的边; - 对于每个机型,从该节点向汇节点连一条容量为1的边; - 对于每个可行的飞行员-机型配对,从对应的飞行员节点向对应的机型节点连一条容量为1的边。 然后,我们可以使用最大流算法来找到从源节点到汇节点的最大流量。这个最大流量就是最配对方案的数量。最大流算法也可以找到实际的最配对方案。 这里是一个使用 Python 实现最大流算法来解决飞行员配对问题的示例代码: ```python from typing import List, Tuple from collections import defaultdict import networkx as nx def find_best_pairings(pilots: List[str], planes: List[str], preferences: List[Tuple[str, str]]) -> Tuple[int, List[Tuple[str, str]]]: # Create a bipartite graph G = nx.DiGraph() G.add_node("source") G.add_node("sink") for p in pilots: G.add_edge("source", p, capacity=1) for t in planes: G.add_edge(t, "sink", capacity=1) for p, t in preferences: G.add_edge(p, t, capacity=1) # Compute the maximum flow max_flow_value, max_flow_dict = nx.maximum_flow(G, "source", "sink") # Extract the matching pairs from the flow dictionary pairs = [] for p in pilots: for t in planes: if max_flow_dict[p][t] == 1: pairs.append((p, t)) return max_flow_value, pairs ``` 这个函数接受三个参数:一个飞行员列表,一个机型列表和一个偏好列表。偏好列表是一个元组列表,每个元组表示一个飞行员和机型的偏好关系。 函数使用 NetworkX 库来创建和分析图,使用 `nx.DiGraph()` 创建一个有向图。然后,它添加源和汇节点,以及所有飞行员和机型节点。接下来,它为每个飞行员和机型之间的偏好创建一条容量为1的边。 然后,函数使用 `nx.maximum_flow()` 函数计算从源节点到汇节点的最大流量。最后,它从流量字典中提取配对,并以元组列表的形式返回它们。 可以使用以下代码来测试 `find_best_pairings` 函数: ```python pilots = ["A", "B", "C", "D", "E"] planes = ["P1", "P2", "P3", "P4", "P5"] preferences = [("A", "P1"), ("B", "P2"), ("C", "P3"), ("D", "P4"), ("E", "P5")] max_flow_value, pairs = find_best_pairings(pilots, planes, preferences) print("Maximum flow:", max_flow_value) print("Pairs:", pairs) ``` 这将打印出最大流量和最配对方案的列表。在这个例子中,我们的函数将打印出: ``` Maximum flow: 5 Pairs: [('A', 'P1'), ('B', 'P2'), ('C', 'P3'), ('D', 'P4'), ('E', 'P5')] ``` 这表示有5个配对是最的。
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