洛谷P3980 志愿者招募——费用流

洛谷P3980 [NOI2008]志愿者招募——费用流

题目介绍

题目描述

链接: 传送门.
申奥成功后,布布经过不懈努力,终于成为奥组委下属公司人力资源部门的主管。布布刚上任就遇到了一个难题:为即将启动的奥运新项目招募一批短期志愿者。经过估算,这个项目需要 n 天才能完成,其中第 i 天至少需要 ai 个人。布布通过了解得知,一共有 m 类志愿者可以招募。其中第 i类可以从第 si天工作到第 ti天,招募费用是每人 ci元。新官上任三把火,为了出色地完成自己的工作,布布希望用尽量少的费用招募足够的志愿者,但这并不是他的特长!于是布布找到了你,希望你帮他设计一种最优的招募方案。

输入格式

第一行包含两个整数 n,m,表示完成项目的天数和可以招募的志愿者的种类。接下来的一行中包含 n 个非负整数,表示每天至少需要的志愿者人数。 接下来的 m行中每行包含三个整数 si,ti,ci,含义如上文所述。为了方便起见,我们可以认为每类志愿者的数量都是无限多的。
1≤n≤1000,1≤m≤10000,题目中其他所涉及的数据均不超过 2^31−1。

输出格式

仅包含一个整数,表示你所设计的最优方案的总费用。

测试样例

输入 #1
3 3
2 3 4
1 2 2
2 3 5
3 3 2

输出#1
14

题解

参考链接: dalao博客.
看起来感觉是最小费用流,但不知如何建网络。参考了大佬们的题解也只能是理解了这种建网络方式,还是要多做题。
先建网络如下,再解释:

  1. 对第i天需要的志愿者数量为ai,在第i天和第i+1天连边,容量INF-ai,费用0;
  2. 对第i种志愿者(si,ti,ci),在si和ti+1间连边,容量INF,费用ci;
  3. 最后超级源点对第1天连边、第N+1天对超级汇点连边,容量都INF,费用都为0.

以上第3步,使得最终流经全网络的网络流流量为INF。对于第i天和第i+1天,为了令其间所有边(包括连接i和i+1边、以及跨过的边)总容量也为INF,则必然先流经直接连接的费用为0的边(对费用无贡献),对于不足的容量a[i] 则通过志愿者流过,即流经第2步所建边。

该建网络方式具有特点:以时间顺序流经网络,体现将志愿者的工作覆盖范围。因此从源点向汇点跑一遍最小费用最大流即可。

代码

#include<cstdio>
#include<queue>
#include<cstring>
#include<algorithm>
using namespace std;

/*
网络流建边:
(1)第i天和第i+1天建边,容量INF-a[i],费用0;
(2)第i种志愿者在s[t]和t[i]间建边,容量INF,费用c[i]
(3)源点和第1天建边容量INF,费用0;第N+1天和T建边,容量INF,费用0

首先以上建边方式保证了流经网络总流量为INF;
对于第i和第i+1天,其间所有边(包括直接连接i和i+1,与跨过i和i+1)总流量也必然为INF;
对于INF-a[i]优先选费用为0的边,剩下走志愿者;对于覆盖这一范围志愿者就无需再增广。 
最终流经志愿者的流量满足题目要求的每日的需求量。 跑最小费用最大流即可。 
*/ 
typedef long long ll;
const int maxn=1010;
const ll INF=0x3f3f3f3f3f3f3f3f;
const int inf=0x3f;
class Edge{
public:
	ll to,cap,cost,nxt,rev;
};
int head[maxn];
Edge edge[maxn<<5];
int cnt=1;
int N,M,a,S,T;

void add(ll u,ll v, ll cap, ll cost){
	edge[cnt].to=v;edge[cnt].cap=cap;edge[cnt].cost=cost;edge[cnt].nxt=head[u];edge[cnt].rev=cnt+1; head[u]=cnt++;
	edge[cnt].to=u;edge[cnt].cap=0; edge[cnt].cost=-cost;edge[cnt].nxt=head[v];edge[cnt].rev=cnt-1; head[v]=cnt++;
}

bool vis[maxn<<1];
int pre[maxn<<1],preEdge[maxn<<1];
ll dis[maxn<<1];
ll flow[maxn<<1];
ll h[maxn<<1];

bool Dkjistra(int S, int T){
	memset(vis,false,sizeof(vis));
	memset(dis, inf, sizeof(dis));                     //dis为引入势之后的最短距离,h为真实的距离       
	memset(flow, inf, sizeof(flow)); 
	priority_queue<pair<int, int> > que;
	dis[S] = 0;
	que.push(make_pair(-dis[S], S) );                  //优先队列,注意取负值 
	while(!que.empty() ){
		int u = que.top().second;  que.pop();
		if(vis[u]) continue;                           //因每次更新都需要入队,需判断是否访问过 
		vis[u] = true;
		for(int i=head[u]; i; i=edge[i].nxt){
			Edge &e = edge[i];
			if(vis[e.to]) continue;
			if(e.cap>0 && dis[e.to] > dis[u] + e.cost + h[u] - h[e.to]){
				dis[e.to] = dis[u] + e.cost + h[u] - h[e.to];
				pre[e.to] = u;                              //记录前驱结点 
				preEdge[e.to] = i;                          //记录前驱边 
				flow[e.to] = min(flow[u], e.cap); 
				que.push(make_pair(-dis[e.to], e.to));      //入队 
			}
		} 
	}	   
//             h[i]为真实最短路权值
	for(int i=1;i<=T;i++) h[i] += dis[i];                   
	return dis[T] != INF;                              
} 

void MCMF(){
	ll maxflow = 0; 
	ll mincost = 0; 
	while(Dkjistra(S, T)){                                   //将Dinic算法的分层找最短增广路,改为Dijkstra找费用最低路径 
		maxflow += flow[T];
		mincost += flow[T] * h[T];                     //h[T]为从S->T路径上单位流量总的cost 
		int now = T;
		while(now!=S){                                   //从汇点回溯到源点 
			Edge &e = edge[preEdge[now]]; 
			e.cap -= flow[T];                              //更新残余网络 
			edge[e.rev].cap += flow[T];
			now = pre[now];
		}
	}
	printf("%lld\n",mincost);
} 

int main(){
	scanf("%d%d",&N,&M);
	S=N+2;T=N+3;
	for(int i=1;i<=N;i++){
		scanf("%d",&a);
		add(i,i+1,INF-a,0);
	} 
	add(S,1,INF,0);add(N+1,T,INF,0);
	int s,t;
	for(int i=1;i<=M;i++){
		scanf("%d%d%d",&s,&t,&a);
		add(s,t+1,INF,a);
	}
	MCMF(); 
} 

最后:
多做题、多思考建网络方式

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在Python中,可以使用Dijkstra算法来求解从源点A到其他顶点的最短路径。下面是一个示例代码: ```python import sys def dijkstra(graph, start): # 初始化距离字典和已访问顶点集合 distances = {vertex: sys.maxsize for vertex in graph} distances[start] = 0 visited = set() while len(visited) != len(graph): # 选择当前距离最小的顶点 current_vertex = min((distances[vertex], vertex) for vertex in graph if vertex not in visited)[1] visited.add(current_vertex) # 更新当前顶点的邻居顶点的距离 for neighbor, weight in graph[current_vertex].items(): new_distance = distances[current_vertex] + weight if new_distance < distances[neighbor]: distances[neighbor] = new_distance return distances # 示例图的邻接表表示 graph = { 'A': {'B': 2, 'C': 4}, 'B': {'A': 2, 'C': 1, 'D': 3}, 'C': {'A': 4, 'B': 1, 'D': 2}, 'D': {'B': 3, 'C': 2} } start_vertex = 'A' shortest_distances = dijkstra(graph, start_vertex) print(f"从顶点 {start_vertex} 到其他顶点的最短路径为:{shortest_distances}") ``` 在这个示例中,我们使用了一个邻接表来表示图,并且使用了sys库中的maxsize来表示无穷大。dijkstra函数实现了Dijkstra算法,它通过迭代选择当前距离最小的顶点,并更新其邻居顶点的距离。最后,我们将从源点A到其他顶点的最短路径输出到控制台。 注意:该示例只适用于有向图,如果是无向图,需要在构建邻接表时同时添加反向边。

“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