最优配对问题(集合上的动态规划)

在平面直角坐标系上有n个点(保证n是偶数),把这些点两两配对,一共可配一对。配对的两点连一条线段。若该线段和坐标轴有一个交点,则视为有1的权值。因此,和x轴和y轴都有交点则有2的权值。 (特殊的,若该线段经过原点,也视为有2的权值)。怎样配对才能使最终的权值之和最大?

如输入:

4
-2 -1
-1 1
1 -1
2 2

答案应该输出4,上述四点分别位于四个象限,交叉得权值之和最大为4

这道题参考:最优配对问题(集合上的动态规划) —— 状压DP_DOLFAMINGO的博客-CSDN博客

原题目: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? 

注释:参考解答不好理解的点在于,用位表示配对的方式,如s=1111表示在四个元素的集合,当i=0,j=1,s ^ (1 << i) ^ (1 << j)与s异或运算得1100,表示0号元素和1号元素配对,并加上dp[1100]即2号元素和3号元素相加的结果,和即为在此种配对方式下四个元素的权值之和


#include <iostream>
#include <bits/stdc++.h>
using namespace std;

struct Point {
    int x, y;
    Point(int _x, int _y) : x(_x), y(_y) {}
};

int Weight(Point a, Point b) {
    int ans = 0;
    int cnt_x = 0, cnt_y = 0;
    if (a.x == 0 || b.x == 0) cnt_x++;
    if (a.y == 0 || b.y == 0) cnt_y++;
    if (a.x * b.x < 0 ) cnt_x++;
    if (a.y * b.y < 0 ) cnt_y++;
    if (a.x == 0 && a.y == 0 && b.x == 0 && b.y == 0) ans += 2;
    else if (cnt_x == 2 && cnt_y == 2) ans += 2;
    else ans += cnt_x + cnt_y;
    return ans;
}

void solve(int* dp, int n, vector<Point> points) {
    dp[0] = 0;
    for (int i = 1; i < (1 << n); i++)
        dp[i] = -1; //表示单个点不匹配无权值

    for (int s = 1; s < (1 << n); 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))
                dp[s] = max(dp[s], Weight(points[i], points[j]) + dp[s ^ (1 << i) ^ (1 << j)]);
    }
}

int main() {
    int n;
    cin >> n;
    vector<Point> points;
    for (int i = 0; i < n; i++) {
        int x, y;
        cin >> x >> y;
        points.push_back(Point(x, y));
    }
    int dp[1 << n];
    solve(dp, n, points);
    cout << dp[(1 << n) - 1] << endl;
    return 0;
}

  • 3
    点赞
  • 2
    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优配对方案。 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,并且在这些节之间建立一些边,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,从源节向该节连一条容量为1的边; - 对于每个机型,从该节向汇节连一条容量为1的边; - 对于每个可行的飞行员-机型配对,从对应的飞行员节向对应的机型节连一条容量为1的边。 然后,我们可以使用最大流算法来找到从源节到汇节的最大流量。这个最大流量就是最优配对方案的数量。最大流算法也可以找到实际的最优配对方案。 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,以及所有飞行员和机型节。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()` 函数计算从源节到汇节的最大流量。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优配对方案的列表。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个配对最优的。

“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