[网络流24题]飞行员配对方案问题

本文介绍如何通过最大流算法解决二分图的最大匹配问题,并提供详细的代码实现及调试经验分享。

题目

传送门
二分图最大匹配并输出方案问题

题解

二分图匹配算法可以通过经典的匈牙利算法实现;单笔者在这里使用最大流算法。
考虑一下二分图最大匹配与最大流的相似之处:最大匹配就说明所有的边(关系)都得到了最大的利用,所以和最大流有联系(个人理解,有错误请指正)
网络流难在建图,其实明白了上面的原理,建图方法也就呼之♂欲出:
建立超级源点S和超级汇点T;
S向所有的外籍飞行员连边,边权值为1;T向所有的英国飞行员连边,边权值为1;然后从S到T跑最大流。
关于输出方案,边权值不为0即可。

代码

#include<cstdio>
#include<cstring>
#include<algorithm>
#include<iostream>
#include<queue>
using namespace std;
#define ll long long
const int maxn=2001;
const int inf=1e9;

queue <int> q;
int n,m,x,y,cur[maxn],deep[maxn],tot;
struct Edge{
    int to,next,dis;
}edge[maxn<<1];
int head[maxn],num_edge=-1;

void add_edge(int from,int to,int dis)
{
    edge[++num_edge].next=head[from];
    edge[num_edge].dis=dis;
    edge[num_edge].to=to;
    head[from]=num_edge;
}

bool bfs(int s,int t)
{
    memset(deep,0x7f,sizeof(deep));
    while (!q.empty()) q.pop();
    for (int i=0; i<=n+1; i++) cur[i]=head[i];//cur数组之前没有从0到n+1 导致错误 
    deep[s]=0;
    q.push(s);

    while (!q.empty())
    {
        int now=q.front(); q.pop();
        for (int i=head[now]; i!=-1; i=edge[i].next)
        {
            if (deep[edge[i].to]>inf && edge[i].dis)//dis在此处用来做标记 是正图还是返图 
            {
                deep[edge[i].to]=deep[now]+1;
                q.push(edge[i].to);
            }
        }
    }
    return deep[t]<inf;
}

int dfs(int now,int t,int limit)
{
    if (now==t || !limit) return limit;
    int flow=0,f;
    for (int i=cur[now]; i!=-1; i=edge[i].next)
    {
        cur[now]=i; int to=edge[i].to;
        if (deep[to]==deep[now]+1 && edge[i].dis && (f=dfs(to,t,min(limit,edge[i].dis))))
        {
            flow+=f;
            limit-=f;
            edge[i].dis-=f;
            edge[i^1].dis+=f;
            if (!limit) break;
        }
    }
    return flow;
}

void Dinic(int s,int t)
{
    while (bfs(s,t))
        tot+=dfs(s,t,inf);
}

int main()
{
    memset(head,-1,sizeof(head));
    scanf("%d%d",&m,&n);
    for (int i=1; i<=m; i++) {add_edge(0,i,1); add_edge(i,0,0);}
    for (int i=m+1; i<=n; i++) {add_edge(i,n+1,1); add_edge(n+1,i,0);}
    while (scanf("%d%d",&x,&y)!=EOF && x!=-1 && y!=-1)
    {
        add_edge(x,y,inf); add_edge(y,x,0);
    }
//  for (int i=0; i<=num_edge; i++) printf("%d: %d %d %d\n",i,edge[i^1].to,edge[i].to,edge[i].dis);
//    for (int i=0; i<=n+1; i++) printf("%d ",head[i]); return 0;
    Dinic(0,n+1);
    if (!tot) {printf("No Solution!"); return 0;}
    printf("%d\n",tot); 
    for (int i=1; i<=num_edge; i+=2)
    {
        if (edge[i].to==0 || edge[i].to==n+1) continue;
        if (edge[i^1].to==0 || edge[i^1].to==n+1) continue;
        if (edge[i].dis!=0)
            printf("%d %d\n",edge[i].to,edge[i^1].to);
    }
    return 0;

}

总结

重在思考网络流的建图;
打代码还是错误百出,bfs里面cur[] 没有从0开始更新就GG了,要高效率调试

网络流算法可以用来解决最大流最小割问题,而飞行员配对问题可以转化成最大流问题。下面是一个基于 Python 的网络流算法求解飞行员配对方案问题的示例代码: ```python from collections import defaultdict class Graph: def __init__(self): self.graph = defaultdict(dict) def add_edge(self, u, v, w): self.graph[u][v] = w def bfs(self, s, t, parent): visited = set() queue = [s] visited.add(s) while queue: u = queue.pop(0) for v in self.graph[u]: if v not in visited and self.graph[u][v] > 0: queue.append(v) visited.add(v) parent[v] = u return True if t in visited else False def max_flow(self, source, sink): parent = {} max_flow = 0 while self.bfs(source, sink, parent): path_flow = float('inf') s = sink while s != source: path_flow = min(path_flow, self.graph[parent[s]][s]) s = parent[s] max_flow += path_flow v = sink while v != source: u = parent[v] self.graph[u][v] -= path_flow self.graph[v][u] += path_flow v = parent[v] return max_flow def pilot_pairing(pilots, planes): num_pilots = len(pilots) num_planes = len(planes) graph = Graph() source = 's' sink = 't' for i in range(num_pilots): graph.add_edge(source, 'P{}'.format(i), 1) for j in range(num_planes): if pilots[i][0] <= planes[j][0] and pilots[i][1] >= planes[j][1]: graph.add_edge('P{}'.format(i), 'A{}'.format(j), 1) graph.add_edge('A{}'.format(i), sink, 1) return graph.max_flow(source, sink) # 示例用法 pilots = [(1, 5), (2, 4), (3, 6), (2, 5)] planes = [(1, 4), (2, 5), (3, 6)] print(pilot_pairing(pilots, planes)) # 输出为 3 ``` 在上面的示例代码中,我们定义了一个 `Graph` 类来表示图,其中 `add_edge` 方法用于添加边,`bfs` 方法用于执行广度优先搜索,`max_flow` 方法用于计算最大流。 在 `pilot_pairing` 函数中,我们首先创建了一个 `Graph` 对象,然后为源点和汇点分别添加一条边,并遍历所有的飞行员和飞机,如果某个飞行员可以驾驶某个飞机,则在他们之间添加一条边。最后调用 `max_flow` 方法计算最大流。 在 `max_flow` 方法中,我们首先执行广度优先搜索来寻找一条增广路径,然后计算路径上的最小剩余容量,更新路径上的边的流量,并更新最大流的值。重复执行这个过程,直到没有增广路径为止。最后返回最大流的值。 在上面的示例中,我们输入了 4 个飞行员和 3 个飞机,输出得到了最大流为 3,说明有 3 对飞行员和飞机可以配对成功。
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