hdu 4322(最大费用最大流)

题目链接:http://acm.hdu.edu.cn/showproblem.php?pid=4322

思路:建图真的是太巧妙了!直接copy大牛的了:

由于只要得到糖就肯定有1个快乐度,在这一点上糖的效果是等效的。所以只要考虑有特殊效果的糖的分配就可以了。

当快乐的程度超过b[i]时,多出来的部分就浪费了,为了使浪费尽可能少,我们用费用流加以控制,当获得最大费用最大流的时候,这是的费用的利用率就是最高的。在建图时只需考虑特殊的糖就可以了,建图方法:

原点到每个糖:流为1,费用为0。如果糖对某个人有特殊效果,连边:流为1,费用为0。人向汇点连边:最终快乐的程度不超过b[i]的情况:流为b[i]/k,限制这样的糖的数量,费用为k,因为特殊效果全部利用上了。快乐程度超过b[i]的情况:流为1,限制流量不超过b[i],费用为b[i] % k,因为多出来的快乐无效。当b[i] % k == 0时,这样的边没有必要。当b[i] % k == 1时,这时的糖和普通的糖无异,没必要连边。

最终算出来的费用就是特殊的糖被充分利用后已经分配的快乐程度,最大流为为了达到这样的程度使用的糖的数量,这样就还剩N - 最大流数量的糖被我们当做普通的糖使用,只要剩下的普通的糖的数目大于还需填充的快乐程度,就可以满足条件。

  1 #include<iostream>
  2 #include<cstdio>
  3 #include<cstring>
  4 #include<algorithm>
  5 #include<queue>
  6 using namespace std;
  7 #define MAXN 55
  8 #define MAXM 4444
  9 #define inf 1<<30
 10 
 11 struct Edge{
 12     int v,cap,cost,next;
 13 }edge[MAXM];
 14 
 15 int vs,vt,n,m,NE,sum,k;
 16 int head[MAXN];
 17 
 18 void Insert(int u,int v,int cap,int cost)
 19 {
 20     edge[NE].v=v;
 21     edge[NE].cap=cap;
 22     edge[NE].cost=cost;
 23     edge[NE].next=head[u];
 24     head[u]=NE++;
 25 
 26     edge[NE].v=u;
 27     edge[NE].cap=0;
 28     edge[NE].cost=-cost;
 29     edge[NE].next=head[v];
 30     head[v]=NE++;
 31 }
 32 
 33 int dist[MAXN],pre[MAXN],cur[MAXN];
 34 bool mark[MAXN];
 35 bool spfa(int vs,int vt)
 36 {
 37     memset(mark,false,sizeof(mark));
 38     fill(dist,dist+MAXN-1,-inf);
 39     dist[vs]=0;
 40     queue<int>que;
 41     que.push(vs);
 42     while(!que.empty()){
 43         int u=que.front();
 44         que.pop();
 45         mark[u]=false;
 46         for(int i=head[u];i!=-1;i=edge[i].next){
 47             int v=edge[i].v,cost=edge[i].cost;
 48             if(edge[i].cap>0&&dist[u]+cost>dist[v]){
 49                 dist[v]=dist[u]+cost;
 50                 pre[v]=u;
 51                 cur[v]=i;
 52                 if(!mark[v]){
 53                     mark[v]=true;
 54                     que.push(v);
 55                 }
 56             }
 57         }
 58     }
 59     return dist[vt]!=-inf;
 60 }
 61 
 62 int MinCostFlow(int vs,int vt)
 63 {
 64     int flow=0,cost=0;
 65     while(spfa(vs,vt)){
 66         int aug=inf;
 67         for(int u=vt;u!=vs;u=pre[u]){
 68             aug=min(aug,edge[cur[u]].cap);
 69         }
 70         flow+=aug,cost+=dist[vt]*aug;
 71         for(int u=vt;u!=vs;u=pre[u]){
 72             edge[cur[u]].cap-=aug;
 73             edge[cur[u]^1].cap+=aug;
 74         }
 75     }
 76     return n-flow>=sum-cost;
 77 }
 78 
 79 int like[MAXN][MAXN];
 80 int B[MAXN];
 81 int main()
 82 {
 83   //  freopen("1.txt","r",stdin);
 84     int _case,t=1;
 85     scanf("%d",&_case);
 86     while(_case--){
 87         scanf("%d%d%d",&n,&m,&k);
 88         NE=0,vs=0,vt=n+m+1,sum=0;
 89         memset(head,-1,sizeof(head));
 90         for(int i=1;i<=m;i++){
 91             scanf("%d",&B[i]);
 92             sum+=B[i];
 93         }
 94         for(int i=1;i<=n;i++)Insert(vs,i,1,0);
 95         for(int i=1;i<=m;i++){
 96             for(int j=1;j<=n;j++){
 97                 scanf("%d",&like[i][j]);
 98                 if(like[i][j]==1)Insert(j,i+n,1,0);
 99             }
100             Insert(i+n,vt,B[i]/k,k);
101             if(B[i]%k>1){
102                 Insert(i+n,vt,1,B[i]%k);
103             }
104         }
105         printf("Case #%d: ",t++);
106         if(MinCostFlow(vs,vt)){
107             puts("YES");
108         }else
109             puts("NO");
110     }
111     return 0;
112 }
View Code

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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