[最小费用最大流]JZOJ 4802 探险计划

Description
这一天,Hnsdfz信息组的众人决定上岳麓山玩.岳麓山上的可以探险的地方非常多,而信息组的Oier们給每一个地方都设定了一个危险值,代表探险这个景点需要承担的危险,而整个岳麓山可以抽象为由n行数字组成的数字梯形.而梯形顶端有m个数字,在每个数字处可以往左上或右上移动 ( (i,j) 可以到 (i-1,j) 或 (i-1,j-1), (i,j)表示输入文件中数字梯形的第i行第j列 ),形成一条从梯形底至顶的路径.
而一开始,每个人都觉得如果走过别人走过的地方就太没个性了.于是有
任务一: 找出m条完全不相交的至底至顶的路径. (不可以重复经过点, 也不可以重复经过边)
但略一思考,又都觉得如果限定这么死,那就太无趣了,于是有:
任务二: 找出m条仅在数字处相交的路径. (可以重复经过点, 但不可以重复经过边. 在山顶相遇也是允许的)
现在,做为整个浏览计划的发起者,你要计算出对于任务一与任务二,每个人观赏线路所能经受的最小危险. (所有人在所有地方获得的危险值总和 最小)
 
Input
第一行两个正整数n,m.表示整个梯形有n行,第一行有m个列.
接下来n行描述整个数字梯形.第I行有n+I-1个数字.
Output
分两行输出,分别是对应任务一与任务二的结果.
 
Sample Input
3 2
1 2
2 1 2
2 2 2 2
Sample Output
10
9
 样例解释
第I个数字表示每条路线在第I行走第几个数字.
任务一的两条路线 1 1 1;2 2 2;
任务二的两条路线 1 2 2;2 2 3;
 
Data Constraint
对于 10% 的数据 n<=10;  m<=5;
对于100% 的数据 n<=80;  m<=80; 每个数字<=20;

分析

看题,数据小,不难想到DP

然后想一下,DP的复杂度很高(根本不能打好不好!)

然后发现点边被限制经过次数,就想到了最小费用流

我们把数字拆成入点和出点,费用为原数字,流量要看是哪个任务,任务1则为1,任务2则为无限

然后向上下可到达的点连边,费用0,流量1

对于任务1,与源汇的边流量为1,任务2则为无限

然后要判断增广次数,最多为m次

点数较多,需要用ZKW,这里偷懒开了O2直接EK睡过去了

 

#pragma GCC optimize(2)
#include <iostream>
#include <cstdio>
#include <queue>
#include <memory.h>
using namespace std;
const int N=2e4+10;
const int Inf=2147483647;
struct Edge {
    int u,v,nx,c,w;
}g[5*N];
int cnt=1,list[N],a[200][200],b[200][200],d[N],f[N];
bool vis[N];
int n,m,s,t,ans,ans1;

void Add(int u,int v,int w,int c) {
    g[++cnt]=(Edge){u,v,list[u],c,w};list[u]=cnt;
    g[++cnt]=(Edge){v,u,list[v],0,-w};list[v]=cnt;
}

bool BFS() {
    queue<int> q;
    while (!q.empty()) q.pop();
    memset(d,0x3f,sizeof d);
    q.push(s);d[s]=0;vis[s]=1;
    while (!q.empty()) {
        int u=q.front();q.pop();
        for (int i=list[u];i;i=g[i].nx)
            if (g[i].c&&d[u]+g[i].w<d[g[i].v]) {
                d[g[i].v]=d[u]+g[i].w;
                f[g[i].v]=i;
                if (!vis[g[i].v]) q.push(g[i].v);
                vis[g[i].v]=1;
            }
        vis[u]=0;
    }
    return d[t]!=0x3f3f3f3f;
}

void MCF() {
    int x=t,mf=Inf;
    while (f[x]) {
        mf=min(mf,g[f[x]].c);
        x=g[f[x]].u;
    }
    x=t;ans+=d[t];
    while (f[x]) {
        g[f[x]].c-=mf;g[f[x]^1].c+=mf;
        x=g[f[x]].u;
    }
}

void C_Dinic() {
    int i=0;
    while (BFS()) {
        MCF();
        i++;
        if (i==m) return;
    }
}

int main() {
    scanf("%d%d",&n,&m);
    for (int i=1;i<=n;i++)
        for (int j=1;j<=m+i-1;j++) scanf("%d",&a[i][j]),b[i][j]=++t;
    s=0;
    for (int i=1;i<=m;i++) Add(0,b[1][i]*2-1,0,Inf),Add(b[1][i]*2-1,b[1][i]*2,a[1][i],Inf);
    for (int i=2;i<=n;i++) 
        for (int j=1;j<=m+i-1;j++) {
            if (j>1) Add(b[i-1][j-1]*2,b[i][j]*2-1,0,1);
            if (j<m+i-1) Add(b[i-1][j]*2,b[i][j]*2-1,0,1);
            Add(b[i][j]*2-1,b[i][j]*2,a[i][j],Inf);
        }
    t=t*2+1;
    for (int i=1;i<=m+n-1;i++) Add(b[n][i]*2,t,0,Inf);
    C_Dinic();
    ans1=ans;ans=0;
    cnt=1;memset(list,0,sizeof list);
    for (int i=1;i<=m;i++) Add(0,b[1][i]*2-1,0,1),Add(b[1][i]*2-1,b[1][i]*2,a[1][i],1);
    for (int i=2;i<=n;i++)
        for (int j=1;j<=m+i-1;j++) {
            if (j>1) Add(b[i-1][j-1]*2,b[i][j]*2-1,0,1);
            if (j<m+i-1) Add(b[i-1][j]*2,b[i][j]*2-1,0,1);
            Add(b[i][j]*2-1,b[i][j]*2,a[i][j],1);
        }
    for (int i=1;i<=m+n-1;i++) Add(b[n][i]*2,t,0,1);
    C_Dinic();
    printf("%d\n%d\n",ans,ans1);
}
View Code

 

转载于:https://www.cnblogs.com/mastervan/p/10959742.html

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