练习记录(网络流入门)

uva11082
没有想法,看了紫书的解析。先把矩阵每一个元素-1,这样每个元素取值范围变为0~19,这样就允许了0流量的存在。把所有行的和x1,x2…xr,列的和y1,y2,…yc看为节点源点于所有行和节点相连,容量为x[i]-c;列和节点于汇点相连,容量为y[i]-r;每个x节点在与所有y节点相连,容量为19,跑最大流。则xi于yj边的流量变为 A[i][j]-1.可以这样理解每一行的和可以由不同列的元素构成,只要与源点和汇点相连的边都满载,即说明在满足行和列和一定的条件下有解。

#include<iostream>
#include<cstdio>
#include<algorithm>
#include<set>
#include<queue>
#include<cstring>
#include<string>
#include<cmath>
#include<vector>
#include<stack>
#include<map>
using namespace std;
typedef long long ll;
const int maxn=40+5;
const int inf=1e9;
int d[maxn],cur[maxn];
bool vis[maxn];
struct edge
{
    int from,to,cap,flow;
    edge(int from,int to,int cap,int flow=0):from(from),to(to),cap(cap),flow(flow){}
};
vector<int>mp[maxn];
vector<edge> edges;
void addedge(int from,int to,int cap,int flow=0)
{
    edges.push_back(edge(from,to,cap,flow));
    edges.push_back(edge(to,from,0,-flow));
    int m=edges.size();
    mp[from].push_back(m-2);
    mp[to].push_back(m-1);
}

queue<int> op;
struct Dinic
{
    int s,t;
    //Dinic(int s,int t):s(s),t(t){}
    void init()
    {
        for(int i=0;i<maxn;i++) mp[i].clear();
        edges.clear();
    }

    bool bfs()
    {
        memset(vis,0,sizeof(vis));
        op.push(s);d[s]=0;vis[s]=1;
        while(!op.empty())
        {   
            int x=op.front();op.pop();
            for(int i=0;i<mp[x].size();i++)
            {
                edge& e=edges[mp[x][i]];
                if(!vis[e.to]&&e.cap>e.flow)
                {
                    vis[e.to]=1;
                    d[e.to]=d[x]+1;
                    op.push(e.to);
                }
            }

        }
        return vis[t];//若为0,则已无增广路
    }

    int dfs(int x,int a)
    {
        if(x==t||a==0) return a;
        int flow=0,f;
        for(int &i=cur[x];i<mp[x].size();i++)//从上次考虑过的边开始
        {
            edge& e=edges[mp[x][i]];
            if(d[x]+1==d[e.to]&&(f=dfs(e.to,min(a,e.cap-e.flow)))>0)
            {
                e.flow+=f;
                edges[mp[x][i]^1].flow-=f;
                flow+=f;
                a-=f;
                if(a==0) break;
            }
        }
        return flow;
    }

    int maxflow(int s,int t)
    {
        this->s=s;this->t=t;
        int flow=0;
        while(bfs())
        {
            memset(cur,0,sizeof(cur));
            flow+=dfs(s,inf);
        }

        return flow;
    }
};
int x[maxn],y[maxn];
int main()
{
    //freopen("tte.txt","r",stdin);
    int t;scanf("%d",&t);
    Dinic solve;
    const int st=41,ed=42;
    int kase=0;
    while(t--)
    {
        int r,c;
        scanf("%d%d",&r,&c);
        solve.init();
        for(int i=1;i<=r;i++) 
        {
            scanf("%d",&x[i]);
        }
        for(int i=r;i>=1;i--) x[i]-=x[i-1];
        for(int i=1;i<=c;i++)
        {
            scanf("%d",&y[i]);
        }
        for(int i=c;i>=1;i--) y[i]-=y[i-1];
        for(int i=1;i<=r;i++)
        {
            addedge(st,i,x[i]-c,0);
        }
        for(int i=1;i<=c;i++)
        {
            addedge(r+i,ed,y[i]-r,0);
        }
        for(int i=1;i<=r;i++)
        {
            for(int j=r+1;j<=r+c;j++)
            {
                addedge(i,j,19,0);
            }
        }
        solve.maxflow(st,ed);
        printf("Matrix %d\n",++kase);
        for(int i=1;i<=r;i++)
        {
            for(int j=0;j<mp[i].size();j++)
            {
                edge &e=edges[mp[i][j]];
                if(e.to==st) continue;
                printf("%d%c",e.flow+1,j==mp[i].size()-1?'\n':' ');
            }
        }
        printf("\n");
    }
    return 0;
}
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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