[luogu 1402] 酒店之王 网络最大流

mmp这个题又调了好久, 网络流板子 dis[S] d i s [ S ] 竟然没设为 1 1
一开始想的做法是如果有人喜欢i房间 j j 菜的话, 就i j j 连边, 但是这是一个很显然的错的, 因为当有两个人喜欢相同的搭配的时候, 那搭配可以同时让多人满意 就会算重。
那么考虑解决算重这个问题, 我们把一个人放在他夏欢的菜和房间之间不就可以了吗?实际上还是错误的, 这样只能保证两个不同的人喜欢相同搭配的时候, 相同的搭配只会算在一个人身上, 不能保证一个人不会被多种搭配算, 那么我们再对每个人进行一次限制, 我们把每个人拆成两个, 一个连向房间, 另一个连向菜, 那么我们就成功限制了一个人只能选择一种搭配, 问题就解决了。
最后建图从S向每一道菜连边, 从每一道菜向每个喜欢它的人连的边, 每个人分裂出一个自己再向自己连边, 分裂出的自己向每个房间连边, 最后每个房间向 T T <script type="math/tex" id="MathJax-Element-8">T</script>连边, 在这个建立好的模型上直接跑网络最大流就好了
链接

#include<bits/stdc++.h>
#define For(i, a, b) for(register int i = a; i <= b; ++ i)
#define go(x, i) for(register int i = head[x]; i; i = nxt[i])
#define inf (0x3f3f3f3f)

using namespace std;

const int maxn = 1000 + 10, maxm = 4e6 + 1e3;
int n, p, q, s, t;

namespace Maxflow {
    int to[maxm << 1], head[maxn], nxt[maxm << 1], w[maxm << 1], e = 1;
    int dis[maxn];

    void add(int x, int y, int z) {
        to[++ e] = y;
        nxt[e] = head[x];
        head[x] = e;
        w[e] = z;
        if(z) add(y, x, 0);
    }

    bool bfs() {
        queue<int> q;
        memset(dis, 0, sizeof(dis));
        dis[s] = 1, q.push(s);
        while(!q.empty()) {
            int k = q.front(); q.pop();
            go(k, i) 
                if(w[i] && !dis[to[i]]) {
                    dis[to[i]] = dis[k] + 1;
                    q.push(to[i]);
                }
        }
        return dis[t];
    }

    int dfs(int x, int flow) {
        if(x == t || !flow)
            return flow;
        int used = 0;
        go(x, i) 
            if(dis[to[i]] == dis[x] + 1) {
                int di = dfs(to[i], min(flow, w[i]));
                w[i] -= di, w[i ^ 1] += di;
                flow -= di, used += di;
                if(!flow) break;
            }
        return used;
    }

    int dinic() {
        int res = 0;
        while(bfs())
            res += dfs(s, inf);
        return res;
    }
}

int main() {
#ifndef ONLINE_JUDGE
    freopen("1402.in", "r", stdin);
    freopen("1402.out", "w", stdout);
#endif
    int k; scanf("%d%d%d", &n, &p, &q);
    s = p + q + (n << 1) + 1, t = s + 1;    
    For(i, 1, n) 
        For(j, 1, p) {
            scanf("%d", &k);
            if(k) Maxflow::add(j, i + p, 1);
        }
    For(i, 1, n) 
        For(j, 1, q) {
            scanf("%d", &k);
            if(k) Maxflow::add(i + n + p, j + (n << 1) + p, 1);
        }
    For(i, 1, n) Maxflow::add(i + p, i + n + p, 1);
    For(i, 1, p) Maxflow::add(s, i, 1);
    For(i, 1, q) Maxflow::add(i + p + (n << 1), t, 1);
    printf("%d\n", Maxflow::dinic());
    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