【cogs728】【网络流24题】最小路径覆盖问题

诶嘿嘿~~~题目传送门

题目描述

给定有向图G=(V,E)。设P 是G 的一个简单路(顶点不相交)的集合。如果V 中每个顶点恰好在P 的一条路上,则称P是G 的一个路径覆盖。P 中路径可以从V 的任何一个顶点开始,长度也是任意的,特别地,可以为0。G 的最小路径覆盖是G 的所含路径条数最少的路径覆盖。设计一个有效算法求一个有向无环图G 的最小路径覆盖。提示:设V={1,2,…. ,n},构造网络G1=(V1,E1)如下:
这里写图片描述
每条边的容量均为1。求网络G1的(0x ,0y)最大流。

对于给定的给定有向无环图G,编程找出G的一个最小路径覆盖。

输入输出格式

输入格式:
件第1 行有2个正整数n和m。n是给定有向无环图G 的顶点数,m是G 的边数。接下来的m行,每行有2 个正整数i和j,表示一条有向边(i,j)。

输出格式:
从第1 行开始,每行输出一条路径。文件的最后一行是最少路径数。

输入样例#1:
11 12
1 2
1 3
1 4
2 5
3 6
4 7
5 8
6 9
7 10
8 11
9 11
10 11
输出样例#1:
1 4 7 10 11
2 5 8
3 6 9
3
说明 1<=n<=150,1<=m<=6000

思路

这题是网络流中最大流的裸体
他所求的是最小路径覆盖,我们首先跑一遍最大流
求出最大匹配,n-最大匹配就是所求答案
我们在跑dinic时标记一下走过的点以及他连的点,就可得出每条路的路径覆盖

代码

#include<bits/stdc++.h>
#define INF 1000000
using namespace std;
int s=0,t,n,m,u,v;
int head[305],nex[20005],to[20005],cap[20005],tp=-1;
int fir[305],dep[305],go[305];
bool bj[305];
int dfs(int x,int now){
    if(x==t||!now)  return now;
    int c=0;
    for(int &i=fir[x];~i;i=nex[i]){
        if(cap[i]&&dep[to[i]]==dep[x]+1){
            int f=dfs(to[i],min(cap[i],now));
            c+=f;
            now-=f;
            cap[i]-=f;
            cap[i^1]+=f;
            if(!now)    break;
        }
    }
    return c;
}
inline int bfs(){
    memset(dep,0,sizeof(dep));
    dep[s]=1;
    queue<int>q;
    q.push(s);
    while(!q.empty()){
        int x=q.front();
        q.pop();
        for(int i=head[x];~i;i=nex[i]){
            if(cap[i] && !dep[to[i]]){
                dep[to[i]]=dep[x]+1;
                q.push(to[i]);
            }
        }
    }
    return dep[t];
}
inline int Dinic(){
    int c=0;
    while(bfs()){
        for(int i=0;i<=2*n+1;++i)       fir[i]=head[i];
        c+=dfs(s,INF);
    }
    return c;
}
inline void add(int x,int y,int v){
    nex[++tp]=head[x];
    head[x]=tp;
    to[tp]=y;
    cap[tp]=v;
}
int main(){
    memset(head,-1,sizeof(head));
    scanf("%d%d",&n,&m);t=2*n+1;
    for(int i=1;i<=n;++i)   {
        add(s,i,1);add(i,s,0);
    }
    for(int i=n+1;i<=2*n;++i){
        add(i,t,1);add(t,i,0);
    }
    for(int i=1;i<=m;++i){
        scanf("%d%d",&u,&v);
        add(u,n+v,1);
        add(n+v,u,0);
    }
    int ans=n-Dinic();
    for(int i=1;i<=n;++i){
        for(int j=head[i];~j;j=nex[j]){
            int v=to[j];
            if(!cap[j] && v!=s){
                go[i]=v-n;
                bj[v-n]=true;
            }
        }
    }
    for(int i=1;i<=n;++i){
        if(!bj[i]){
            int p=i;
            while(p){
                printf("%d ",p);
                p=go[p];
            }
            printf("\n");
        }
    }
    printf("%d\n",ans);
    return 0;
}
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