Codevs 传染病控制

点击就送屠龙宝刀

题目描述 Description
【问题背景】

近来,一种新的传染病肆虐全球。蓬莱国也发现了零星感染者,为防止该病在蓬莱国大范围流行,该国政府决定不惜一切代价控制传染病的蔓延。不幸的是,由于人们尚未完全认识这种传染病,难以准确判别病毒携带者,更没有研制出疫苗以保护易感人群。于是,蓬莱国的疾病控制中心决定采取切断传播途径的方法控制疾病传播。经过 WHO(世界卫生组织)以及全球各国科研部门的努力,这种新兴传染病的传播途径和控制方法已经研究消楚,剩下的任务就是由你协助蓬莱国疾控中心制定一个有效的控制办法。

【问题描述】

研究表明,这种传染病的传播具有两种很特殊的性质;
第一是它的传播途径是树型的,一个人X只可能被某个特定的人Y感染,只要Y不得病,或者是XY之间的传播途径被切断,则X就不会得病。第二是,这种疾病的传播有周期性,在一个疾病传播周期之内,传染病将只会感染一代患者,而不会再传播给下一代。
这些性质大大减轻了蓬莱国疾病防控的压力,并且他们已经得到了国内部分易感人群
的潜在传播途径图(一棵树)。但是,麻烦还没有结束。由于蓬莱国疾控中心人手不够,同时也缺乏强大的技术,以致他们在一个疾病传播周期内,只能设法切断一条传播途径,而没有被控制的传播途径就会引起更多的易感人群被感染(也就是与当前已经被感染的人有传播途径相连,且连接途径没有被切断的人群)。当不可能有健康人被感染时,疾病就中止传播。所以,蓬莱国疾控中心要制定出一个切断传播途径的顺序,以使尽量少的人被感染。
你的程序要针对给定的树,找出合适的切断顺序。

输入描述 Input Description
输入格式的第一行是两个整数n(1≤n≤300)和p。接下来p行,每一行有两个整数i
和j,表示节点i和j间有边相连(意即,第i人和第j人之间有传播途径相连)。其中节点
1是已经被感染的患者。

输出描述 Output Description
只有一行,输出总共被感染的人数。

样例输入 Sample Input
7 6
1 2
1 3
2 4
2 5
3 6
3 7

样例输出 Sample Output
3

数据范围及提示 Data Size & Hint
n<=300

首先我们先来分析一下这道题。给出的条件是树形结构,并且要求求出感染人数最少的情况但是不需要输出需要切断哪些地方。所以可以采用dp来求解这道题。但是看一眼数据范围做法就被否决了。n<=300,显然dfs可以过,但是需要剪枝+记忆化。刚开始我的想法是贪心,优先剪除人数最多的那一列,然后逐次剪除人数最多的。但是仔细思考反例还是很多的。

举个例子
10 9
1 2
1 3
2 4
4 8
8 9
3 5
3 6
3 7
9 10
如果是贪心的话优先切断1 2之间的连接,那么3势必感染,然后切断5 6 7其中一个剩余两个感染,感染者为1,3,5,6(假设切断3 7的连接),一共感染4个。实际上最优解是切断1 3的连接,然后切断2 3那么感染者为1 2 一共感染2个人。那么贪心的方法显然不是正解。
(回到正解)那么我们再次仔细阅读体面,发现300的数据范围后就想到了dfs。显然如果你不加任何优化裸dfs肯定过不了所以需要剪枝+记忆化。还有就是要及时重置访问人数。。及时重置访问人数。。重置访问人数。。手残没有写结果WA掉了。。访问人数的重置应该在搜过这一层后。。

贴代码

#include <iostream>
#include <vector>
using namespace std;

int n, p;
int can_infect[310][310]={0},vis[310]={0},minn=0xfffffff;

void dfs(vector<int> & sick, int ans)
    {
    vector<int> newsick;
    for (int i = 0; i < sick.size(); i++)
    {
        if (sick[i] == 0) continue;
        for (int j = 1; j <= n; ++j)
        {
                if (vis[j]) continue;
                if (can_infect[sick[i]][j])
                {
                    newsick.push_back(j);
                    if (ans + newsick.size() > minn) return;
                }
        }
    }
    if (newsick.empty())
    {
        minn = minn < ans ? minn : ans;
        return;
    }
    for (int i = 0; i < newsick.size(); ++i)
    {
        for (int j = 0; j < newsick.size(); ++j)
            vis[newsick[j]] = 1;
        int temp = newsick[i];
        newsick[i] = 0;
        dfs(newsick, ans + newsick.size() - 1);
        newsick[i] = temp;
    }
    for (int j = 0; j < newsick.size(); ++j)
        vis[newsick[j]] = 0;
}

int main()
{
    cin>>n>>p;
    int a,b;
    for(int i=0; i<p;++i)
    {
        cin >> a >> b;
        can_infect[a][b] = 1;
        can_infect[b][a] = 1;
    }
    vis[1] = 1;
    vector<int> sick;
    sick.push_back(1);
    dfs(sick, 1);
    cout << minn;
    return 0;
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
当涉及到传染病最优控制问题时,MATLAB是一个强大的工具,可以用于建立和求解相关的数学模型。以下是一个简单的示例代码,用于演示如何使用MATLAB进行传染病最优控制问题的建模和求解: ```matlab % 传染病最优控制代码示例 % 参数设置 beta = 0.5; % 传染率 gamma = 0.1; % 恢复率 T = 10; % 时间周期 N = 100; % 总人口数 % 状态变量 S = zeros(T+1, 1); % 易感者数量 I = zeros(T+1, 1); % 感染者数量 R = zeros(T+1, 1); % 康复者数量 % 初始条件 S(1) = N - 1; % 初始易感者数量 I(1) = 1; % 初始感染者数量 % 控制变量 u = zeros(T, 1); % 控制变量,表示防控措施的强度 % 最优控制问题的目标函数 J = @(u) (S(T+1) + I(T+1) + R(T+1)) + 0.01 * sum(u.^2); % 系统动力学方程 dSdt = @(S, I, u) -beta * S * I / N + u; dIdt = @(S, I, u) beta * S * I / N - gamma * I; dRdt = @(I, u) gamma * I + u; % 求解最优控制问题 options = optimset('Display', 'iter'); u_opt = fmincon(J, u, [], [], [], [], zeros(T, 1), ones(T, 1), [], options); % 求解系统动力学方程 for t = 1:T S(t+1) = S(t) + dSdt(S(t), I(t), u_opt(t)); I(t+1) = I(t) + dIdt(S(t), I(t), u_opt(t)); R(t+1) = R(t) + dRdt(I(t), u_opt(t)); end % 绘制结果 t = 0:T; plot(t, S, 'b', t, I, 'r', t, R, 'g'); legend('易感者', '感染者', '康复者'); xlabel('时间'); ylabel('人数'); ``` 这段代码使用了最优控制理论中的动态规划方法,通过求解目标函数的最小值来确定最优的防控措施强度。在这个示例中,我们假设传染病的传染率为beta,恢复率为gamma,总人口数为N。代码中的目标函数J表示在给定时间周期内,使得最终易感者、感染者和康复者的总人数最小化。通过调用MATLAB的优化函数fmincon,可以求解出最优的控制变量u_opt。然后,根据系统动力学方程,使用欧拉方法进行数值求解,得到在不同时间点上的易感者、感染者和康复者的数量。最后,通过绘图展示了结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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