差分约束
限制条件都是形如 X i − X j ⩽ C k X_i - X_j \leqslant C_k Xi−Xj⩽Ck 、 X i − X j ⩾ C k X_i - X_j \geqslant C_k Xi−Xj⩾Ck ,是两个变量作差而形成的
求一组解 𝑥 1 = 𝑎 1 , 𝑥 2 = 𝑎 2 , … , 𝑥 𝑛 = 𝑎 𝑛 𝑥_1 = 𝑎_1, 𝑥_2 = 𝑎_2, … , 𝑥_𝑛 = 𝑎_𝑛 x1=a1,x2=a2,…,xn=an ,使得所有的约束条件得到满足,否则判断出无解。
解法:将其转化为图论问题求解
像 X i − X j ⩽ C k X_i - X_j \leqslant C_k Xi−Xj⩽Ck 的就可以移项为 X i ⩽ X j + C k X_i \leqslant X_j + C_k Xi⩽Xj+Ck ,建立一条从 j j j 到 i i i 的长度为 C k C_k Ck 的边。(很像求最短路时的松弛条件 d i s [ x i ] ⩾ d i s [ x j ] + c k dis[x_i] \geqslant dis[x_j] + c_k dis[xi]⩾dis[xj]+ck ,则到最后求出来的源点到目标点的距离一定会满足 d i s [ x i ] ⩽ d i s [ x j ] + c k dis[x_i] \leqslant dis[x_j] + c_k dis[xi]⩽dis[xj]+ck )。
像 X i − X j ⩾ C k X_i - X_j \geqslant C_k Xi−Xj⩾Ck 的就可以移项为 X j − X i ⩽ − C k X_j - X_i \leqslant -C_k Xj−Xi⩽−Ck 那么就可以建立一条从 i i i 到 j j j 的长度为 − C k -C_k −Ck 的边。
经过上面的做法一个图就建立起来了!!
求最小值问题就是求最短路,有负环就说明求不了,有错。用SPFA算法。
求最大值问题就是求最长路,但是不是直接求最长路,把所有路径取负,再用求最短路的求就可以了。
源点的选择一般都是建立一个超级源点,然后找出这个超级源点和其他点的约束联系。因为原图不一定是联通的
最后从原点到每一个变量的求出来的最短的路径结果的值就是上面每一个变量在约束条件下的值——从类比最短路松弛的角度可以想到。
例题是种酸奶,在我的博客中可进行查找