luogu1251 餐巾计划问题

题目描述

一个餐厅在相继的 NN 天里,每天需用的餐巾数不尽相同。假设第 ii 天需要 r_iri块餐巾( i=1,2,...,N)。餐厅可以购买新的餐巾,每块餐巾的费用为 pp 分;或者把旧餐巾送到快洗部,洗一块需 m 天,其费用为 f 分;或者送到慢洗部,洗一块需 nn 天(n>mn>m),其费用为 ss 分(s<fs<f)。

每天结束时,餐厅必须决定将多少块脏的餐巾送到快洗部,多少块餐巾送到慢洗部,以及多少块保存起来延期送洗。但是每天洗好的餐巾和购买的新餐巾数之和,要满足当天的需求量。

试设计一个算法为餐厅合理地安排好 NN 天中餐巾使用计划,使总的花费最小。编程找出一个最佳餐巾使用计划。

输入输出格式

输入格式:

 

由标准输入提供输入数据。文件第 1 行有 1 个正整数 NN,代表要安排餐巾使用计划的天数。

接下来的 NN 行是餐厅在相继的 NN 天里,每天需用的餐巾数。

最后一行包含5个正整数p,m,f,n,sp,m,f,n,s。pp 是每块新餐巾的费用; mm 是快洗部洗一块餐巾需用天数; ff是快洗部洗一块餐巾需要的费用; nn 是慢洗部洗一块餐巾需用天数; ss 是慢洗部洗一块餐巾需要的费用。

 

输出格式:

 

将餐厅在相继的 N 天里使用餐巾的最小总花费输出

 

输入输出样例

输入样例#1:  复制
3
1 7 5 
11 2 2 3 1
输出样例#1:  复制
134

说明

N<=2000

ri<=10000000

p,f,s<=10000

时限4s

关于构图:

这是一道最小费用(费用指单价)最大流的题目。

首先,我们拆点,将一天拆成晚上和早上,每天晚上会受到脏餐巾(来源:当天早上用完的餐巾,在这道题中可理解为从原点获得),每天早上又有干净的餐巾(来源:购买、快洗店、慢洗店)。

1.从原点向每一天晚上连一条流量为当天所用餐巾x,费用为0的边,表示每天晚上从起点获得x条脏餐巾。

2.从每一天早上向汇点连一条流量为当天所用餐巾x,费用为0的边,每天白天,表示向汇点提供x条干净的餐巾,流满时表示第i天的餐巾够用 。 3.从每一天晚上向第二天晚上连一条流量为INF,费用为0的边,表示每天晚上可以将脏餐巾留到第二天晚上(注意不是早上,因为脏餐巾在早上不可以使用)。

4.从每一天晚上向这一天+快洗所用天数t1的那一天早上连一条流量为INF,费用为快洗所用钱数的边,表示每天晚上可以送去快洗部,在地i+t1天早上收到餐巾 。

5.同理,从每一天晚上向这一天+慢洗所用天数t2的那一天早上连一条流量为INF,费用为慢洗所用钱数的边,表示每天晚上可以送去慢洗部,在地i+t2天早上收到餐巾 。

6.从起点向每一天早上连一条流量为INF,费用为购买餐巾所用钱数的边,表示每天早上可以购买餐巾 。 注意,以上6点需要建反向边!3~6点需要做判断(即连向的边必须<=n)

 

 

 1 #include<bits/stdc++.h>
 2 using namespace std;  
 3 #define re register  
 4 #define R  re int
 5 #define rep(i,a,b) for(R i=a;i<=b;i++) 
 6 #define Rep(i,a,b) for(R i=a;i>=b;i--) 
 7 #define rp(i,x)    for(R i=H[x];i!=-1;i=E[i].nt)
 8 #define ms(i,a)    memset(a,i,sizeof(a))  
 9 #define LL         long long 
10 template<class T>void read(T &x){
11   x=0; char c=0; 
12   while (!isdigit(c)) c=getchar();  
13   while (isdigit(c)) x=x*10+(c^48),c=getchar();  
14 }
15 int const N=200000+10;  
16 int const INF=1e8;
17 struct Edge{
18   LL to,nt,fl,cp,fr,ct;  
19 }E[N<<4];  
20 LL  n,N1,N2,C1,C2,tc,S,T,dist[N],p[N],flow[N],q[N<<5],H[N],cnt,vis[N];  
21 void inline add(int a,int b,int ct,int cp){
22   E[cnt]=(Edge){b,H[a],0,cp,a,ct}; H[a]=cnt++; 
23   E[cnt]=(Edge){a,H[b],0,0,b,-ct}; H[b]=cnt++; 
24 }
25 int spfa(){
26   rep(i,S,T) dist[i]=INF;  int cl=1; q[0]=S; dist[S]=0; ms(0,vis);  vis[S]=1;   ms(0,flow); flow[S]=INF;  
27   rep(i,0,cl-1){
28     int x=q[i];vis[x]=0;  
29     rp(i,x){
30       int v=E[i].to;  
31       if(E[i].cp>E[i].fl && dist[v]>dist[x]+E[i].ct){
32         dist[v]=dist[x]+E[i].ct,p[v]=i; 
33         flow[v]=min(flow[x],E[i].cp-E[i].fl); 
34         if(!vis[v])  vis[v]=1,q[cl++]=v;  
35       }
36     }
37   }
38   return flow[T];  
39 }
40 int main(){
41   read(n); S=0;T=2*n+1; ms(-1,H);  
42   rep(i,1,n){
43     int x; read(x);  add(i,T,0,x); add(S,i+n,0,x);  
44   }
45   read(tc);read(N1); read(C1); read(N2); read(C2);
46   rep(i,1,n){
47     add(S,i,tc,INF); 
48     if(i+N1<=n) add(i+n,i+N1,C1,INF);  
49     if(i+N2<=n) add(i+n,i+N2,C2,INF);  
50     if(i<n) add(i+n,i+n+1,0,INF);  
51   }
52   LL  ans=0;  
53   while (spfa()){
54     ans+=flow[T]*dist[T];  
55     for(R i=T;i!=S;i=E[p[i]].fr) E[p[i]].fl+=flow[T],E[p[i]^1].fl-=flow[T];
56   } 
57   printf("%lld\n",ans); 
58   return 0; 
59 }
View Code

 

转载于:https://www.cnblogs.com/ZJXXCN/p/10142625.html

CSDN海神之光上传的代码均可运行,亲测可用,直接替换数据即可,适合小白; 1、代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2019b或2023b;若运行有误,根据提示修改;若不会,私信博主; 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可私信博主或扫描博客文章底部QQ名片; 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 功率谱估计: 故障诊断分析: 雷达通信:雷达LFM、MIMO、成像、定位、干扰、检测、信号分析、脉冲压缩 滤波估计:SOC估计 目标定位:WSN定位、滤波跟踪、目标定位 生物电信号:肌电信号EMG、脑电信号EEG、心电信号ECG 通信系统:DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪(CEEMDAN)、数字信号调制、误码率、信号估计、DTMF、信号检测识别融合、LEACH协议、信号检测、水声通信 1. EMD(经验模态分解,Empirical Mode Decomposition) 2. TVF-EMD(时变滤波的经验模态分解,Time-Varying Filtered Empirical Mode Decomposition) 3. EEMD(集成经验模态分解,Ensemble Empirical Mode Decomposition) 4. VMD(变分模态分解,Variational Mode Decomposition) 5. CEEMDAN(完全自适应噪声集合经验模态分解,Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise) 6. LMD(局部均值分解,Local Mean Decomposition) 7. RLMD(鲁棒局部均值分解, Robust Local Mean Decomposition) 8. ITD(固有时间尺度分解,Intrinsic Time Decomposition) 9. SVMD(逐次变分模态分解,Sequential Variational Mode Decomposition) 10. ICEEMDAN(改进的完全自适应噪声集合经验模态分解,Improved Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise) 11. FMD(特征模式分解,Feature Mode Decomposition) 12. REMD(鲁棒经验模态分解,Robust Empirical Mode Decomposition) 13. SGMD(辛几何模态分解,Spectral-Grouping-based Mode Decomposition) 14. RLMD(鲁棒局部均值分解,Robust Intrinsic Time Decomposition) 15. ESMD(极点对称模态分解, extreme-point symmetric mode decomposition) 16. CEEMD(互补集合经验模态分解,Complementary Ensemble Empirical Mode Decomposition) 17. SSA(奇异谱分析,Singular Spectrum Analysis) 18. SWD(群分解,Swarm Decomposition) 19. RPSEMD(再生相移正弦辅助经验模态分解,Regenerated Phase-shifted Sinusoids assisted Empirical Mode Decomposition) 20. EWT(经验小波变换,Empirical Wavelet Transform) 21. DWT(离散小波变换,Discraete wavelet transform) 22. TDD(时域分解,Time Domain Decomposition) 23. MODWT(最大重叠离散小波变换,Maximal Overlap Discrete Wavelet Transform) 24. MEMD(多元经验模态分解,Multivariate Empirical Mode Decomposition) 25. MVMD(多元变分模态分解,Multivariate Variational Mode Decomposition)
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