最小费用最大流 [网络流24题] 餐巾

本文介绍了一种通过建立最小费用最大流模型来优化餐巾使用及清洗策略的方法。具体包括构建模型、设置节点和边及其费用等步骤,旨在解决在特定约束条件下达到最低成本的目标。

       传送门

        需要拆点,即把每一天拆成没用过餐巾和和用完的餐巾(不要在意语法错误

         把S向每天的废餐巾连一条费用为零,流量为r[i]的边,表示当天产生r[i]个脏餐巾。

         DAYi 的脏餐巾向DAYi+1的脏餐巾连一条费用为0,流量为inf的边,表示把这一天的脏餐巾留到下一天处理

         把每天的好餐巾向T连一条费用为0,流量为r[i]的边,表示这一天用废了r[i]条餐巾

         因为快洗,慢洗总量要求相同,所以不用分开考虑。

         我就和着写了,把每天脏餐巾向洗完的天连一条费用为洗的花费,流量为inf的边,

         从S向每天新餐巾连一条流量inf,费用p的边,表示每天都可以买新餐巾。

         反遍怎么建略。

         

#include<cstdio>
#include<cstdlib>
#include<cstring>
#include<iostream>
#include<queue>
#define inf 100000000
using namespace std;
int day,kuai[205],p,m,f,n,s;
int S,T;
int adj[1000],from[1000],dis[1000],flag[1000],e=2;
struct node
{
	int v,next,l,f;
} a[10000];
void add(int u,int v,int l,int f)
{a[e].v=v;a[e].next=adj[u];a[e].f=f;a[e].l=l;adj[u]=e++;}
int bfs()
{
	for(int i=S+1;i<=T;i++)
	   dis[i]=inf;
	dis[S]=0;
	queue<int> q;
	flag[S]=1;
	q.push(S);
	while(!q.empty())
	{
		int x=q.front();q.pop();flag[x]=0;//cout<<x<<" ";
		for(int i=adj[x];i;i=a[i].next)
		{
			int to=a[i].v;//cout<<to<<" ";
			if(a[i].l&&dis[to]>dis[x]+a[i].f)
			{
				dis[to]=dis[x]+a[i].f;
				if(!flag[to])
				{
				    q.push(to);
					flag[to]=1;
				}
				from[to]=i;
			}
		}
	}
	if(dis[T]==inf)return 0;
	return dis[T];
}
int dfs()
{
	int aa=T,bb=inf;
	while(aa!=S)
	{
		bb=min(bb,a[from[aa]].l);
		aa=a[from[aa]^1].v;
	}
	aa=T;
	while(aa!=S)
	{
		a[from[aa]].l-=bb;
		a[from[aa]^1].l+=bb;
		aa=a[from[aa]^1].v;
	}
	return bb;
}
int yjn()
{
	freopen("napkin.in","r",stdin);
	freopen("napkin.out","w",stdout);
	//memset(adj,-1,sizeof(adj));
	scanf("%d",&day);
	for(int i=1;i<=day;i++)
	   scanf("%d",&kuai[i]);
	S=0,T=day*2+1;
	scanf("%d%d%d%d%d",&p,&m,&f,&n,&s);
	for(int i=1;i<=day;i++)
	{
		add(S,i,kuai[i],0);add(i,S,0,0);
		add(i+day,T,kuai[i],0);add(T,i+day,0,0);
		if(i+1<=day)add(i,i+1,inf,0),add(i+1,i,0,0);
		if(i+m<=day)add(i,i+day+m,inf,f),add(i+day+m,i,0,-f);
		if(i+n<=day)add(i,i+day+n,inf,s),add(i+day+n,i,0,-s);
		add(S,i+day,inf,p);add(i+day,S,0,-p);
	}
	int ans=0,l;
	while(l=bfs())
	   ans+=l*dfs();
	cout<<ans;
}
int qty=yjn();
int main(){;}

内容概要:本文是一篇关于使用RandLANet模型对SensatUrban数据集进行点云语义分割的实战教程,系统介绍了从环境搭建、数据准备、模型训练与测试到精度评估的完整流程。文章详细说明了在Ubuntu系统下配置TensorFlow 2.2、CUDA及cuDNN等深度学习环境的方法,并指导用户下载和预处理SensatUrban数据集。随后,逐步讲解RandLANet代码的获取与运行方式,包括训练、测试命令的执行与参数含义,以及如何监控训练过程中的关键指标。最后,教程涵盖测试结果分析、向官方平台提交结果、解读评估报告及可视化效果等内容,并针对常见问提供解决方案。; 适合人群:具备一定深度学习基础,熟悉Python编程和深度学习框架,从事计算机视觉或三维点云相关研究的学生、研究人员及工程师;适合希望动手实践点云语义分割项目的初学者与进阶者。; 使用场景及目标:①掌握RandLANet网络结构及其在点云语义分割任务中的应用;②学会完整部署一个点云分割项目,包括数据处理、模型训练、测试与性能评估;③为参与相关竞赛或科研项目提供技术支撑。; 阅读建议:建议读者结合提供的代码链接和密码访问完整资料,在本地或云端环境中边操作边学习,重点关注数据格式要求与训练参数设置,遇到问时参考“常见问与解决技巧”部分及时排查。
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