【JZOJ 3739】【TJOI2014】匹配

本文介绍了一种解决二分图最大费用流问题的算法实现,通过代码详细展示了如何求解最大费用流及确定必选节点的过程。适用于图论与网络流领域的研究与实践。

Description

求一个二分图的最大费用最大流,并且求出哪些点必需要选。
n<=80

Code

#include <iostream>
#include <cstdio>
#include <cstdlib>
#define fo(i,a,b) for(int i=a;i<=b;i++)
#define efo(i,q) for(int i=A[q];i;i=B[i][0])
using namespace std;
const int N=170,JA=5001;
int read(int &n)
{
    char ch=' ';int q=0,w=1;
    for(;(ch!='-')&&((ch<'0')||(ch>'9'));ch=getchar());
    if(ch=='-')w=-1,ch=getchar();
    for(;ch>='0' && ch<='9';ch=getchar())q=q*10+ch-48;n=q*w;return n;
}
int m,n,ans,S,T;
int a[N][N];
int z[N],TI,b[N];
int B[N*N*4][4],A[N],B0=1;
int dis[N];
void link(int q,int w,int e)
{
    B[++B0][0]=A[q],A[q]=B0,B[B0][1]=w,B[B0][3]=e,B[B0][2]=1;
    B[++B0][0]=A[w],A[w]=B0,B[B0][1]=q,B[B0][3]=-e,B[B0][2]=0;
}
bool OK()
{
    int mi=1e9;
    fo(i,S,T)if(z[i]==TI)
    {
        efo(j,i)if(TI>z[B[j][1]]&&B[j][2])mi=min(mi,dis[B[j][1]]+B[j][3]-dis[i]);
    }
    if(mi==1e9)return 0;
    fo(i,S,T)if(z[i]==TI)z[i]=0,dis[i]+=mi;
    return 1;
}
int aug(int q,int e)
{
    if(q==T)
    {
        ans+=dis[S];
        return e;
    }
    z[q]=TI;
    efo(i,q)if(B[i][2]&&dis[q]-B[i][3]==dis[B[i][1]]&&TI>z[B[i][1]])
    {
        int t=aug(B[i][1],min(e,B[i][2]));
        if(t)
        {
            B[i][2]-=t,B[i^1][2]+=t;
            return t;
        }
    }
    return 0;
}
int GT(int I,int J)
{
    B0=1;fo(i,S,T)A[i]=z[i]=dis[i]=0;
    TI=0;
    fo(i,1,n)fo(j,1,n)if(J!=j||i!=I)link(i,n+j,JA-a[i][j]);
    fo(i,1,n)link(S,i,1),link(i+n,T,1);
    ans=0;
    z[S]=++TI;
    while(OK())while(aug(S,1e9))TI++;
    return ans;
}
int main()
{
    freopen("match.in","r",stdin);
    freopen("match.out","w",stdout);
    int q,w;
    read(n);
    fo(i,1,n)fo(j,1,n)read(a[i][j]);
    S=0,T=2*n+1;
    int ans1=GT(0,0);
    printf("%d\n",JA*n-ans1+2*n);
    fo(i,1,n)
    {
        efo(j,i)if(B[j][2]==0&&B[j][1]>S){b[i]=B[j][1]-n;break;}
    }
    fo(i,1,n)
    {
        int t=GT(i,b[i]);
        if(ans1!=t)printf("%d %d\n",i,b[i]);
    }
    return 0;
}
Server time: Sat Mar 25 2017 14:56:59 GMT+0800 (中国标准时间)
### 解题思路 题目要求解决的是一个与图相关的最小覆盖问题,通常在特定条件下可以通过状态压缩动态规划(State Compression Dynamic Programming, SCDP)来高效求解。由于状态压缩的适用条件是状态维度较小(例如K≤10),因此可以利用二进制表示状态集合,从而优化计算过程。 #### 1. 状态表示 - 使用一个整数 `mask` 表示当前选择的点集,其中第 `i` 位为 `1` 表示第 `i` 个节点被选中。 - 定义 `dp[mask]` 表示在选中 `mask` 所代表的点集后,能够覆盖的节点集合。 - 可以通过预处理每个点的邻域信息(包括自身和所有直接连接的点),快速更新状态。 #### 2. 预处理邻域 对于每个节点 `u`,预先计算其邻域范围 `neighbor[u]`,即从该节点出发一步能到达的所有节点集合。这样,在后续的状态转移过程中,可以直接使用这些信息进行合并操作。 #### 3. 状态转移 - 初始化:对每个单独节点 `u`,设置初始状态 `dp[1 << u] = neighbor[u]`。 - 转移规则:对于任意两个状态 `mask1` 和 `mask2`,如果它们没有交集,则可以通过合并这两个状态得到新的状态 `mask = mask1 | mask2`,并更新对应的覆盖范围为 `dp[mask1] ∪ dp[mask2]`。 - 在所有状态生成之后,检查是否某个状态的覆盖范围等于全集(即覆盖了所有节点)。如果是,则记录此时使用的最少节点数量。 #### 4. 最优解提取 遍历所有可能的状态,找出能够覆盖整个图的最小节点数目。 --- ### 时间复杂度分析 - 状态总数为 $ O(2^K) $,其中 `K` 是关键点的数量。 - 每次状态转移需要枚举所有可能的子集组合,复杂度为 $ O(2^K \cdot K^2) $。 - 整体时间复杂度控制在可接受范围内,适用于 `K ≤ 10~20` 的情况。 --- ### 代码实现(状态压缩 DP) ```cpp #include <bits/stdc++.h> using namespace std; const int MAXN = 25; int neighbor[MAXN]; // 每个节点的邻域 int dp[1 << 20]; // dp[mask] 表示选中的点集合为 mask 时所能覆盖的点集合 int min_nodes; // 最小覆盖点数 void solve(int n, vector<vector<int>>& graph) { // 预处理每个节点的邻域 for (int i = 0; i < n; ++i) { neighbor[i] = (1 << i); // 包括自己 for (int j : graph[i]) { neighbor[i] |= (1 << j); } } // 初始化 dp 数组 memset(dp, 0x3f, sizeof(dp)); for (int i = 0; i < n; ++i) { dp[1 << i] = neighbor[i]; } // 状态转移 for (int mask = 1; mask < (1 << n); ++mask) { if (__builtin_popcount(mask) >= min_nodes) continue; // 剪枝 for (int sub = mask & (mask - 1); sub; sub = (sub - 1) & mask) { int comp = mask ^ sub; if (comp == 0) continue; int new_mask = mask; int covered = dp[sub] | dp[comp]; if (covered == (1 << n) - 1) { min_nodes = min(min_nodes, __builtin_popcount(new_mask)); } dp[new_mask] = min(dp[new_mask], covered); } } } int main() { int n, m; cin >> n >> m; vector<vector<int>> graph(n); for (int i = 0; i < m; ++i) { int u, v; cin >> u >> v; graph[u].push_back(v); graph[v].push_back(u); // 无向图 } min_nodes = n; solve(n, graph); cout << "Minimum nodes required: " << min_nodes << endl; return 0; } ``` --- ### 优化策略 - **剪枝**:当当前状态所用节点数已经超过已知最优解时,跳过后续计算。 - **提前终止**:一旦发现某个状态覆盖了全部节点,并且节点数达到理论下限,即可提前结束程序。 - **空间优化**:可以仅保存当前轮次的状态,减少内存占用。 --- ### 总结 本题通过状态压缩动态规划的方法,将原本指数级复杂度的问题压缩到可接受范围内。结合位运算技巧和预处理机制,能够高效地完成状态转移和覆盖判断操作。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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