2015湖南省选集训DAY5——work(BZOJ4177)

本文介绍了一种通过网络流算法解决农场动物养殖收益最大化问题的方法。问题要求在不同的牲畜围栏中养殖牛或羊,并考虑各种约束条件,如避免牛羊之间的相互影响等,以实现总收益的最大化。

Description

Mike有一个农场,这个农场n个牲畜围栏,现在他想在每个牲畜围栏中养一只动物,每只动物可以是牛或羊,并且每个牲畜围栏中的饲养条件都不同,其中第i个牲畜围栏中的动物长大后,每只牛可以卖a[i]元,每只羊可以卖b[i]元,为了防止牛羊之间相互影响,Mike找到了m条规律,每条规律给出一个三元组(i, j, k)表示如果第i个围栏和第j个围栏养的是不同的动物,那么Mike就需要花费k的代价请人帮忙处理牛羊之间的影响。不过同时Mike也发现k条特殊的规则(S, a, b),表示如果S中所有牲畜围栏中都养的是动物a,那么Mike可以获得b的额外收入。现在Mike想知道他该在哪些围栏中饲养什么动物才能使得总收益最大,为了简化问题,你只需要输出最大收益。

Input

第一行三个整数n、m、k,表示一共有n个围栏,m条规律,k条规则。

第二行有n个整数,表示a[i]。

第三行有n个整数,表示b[i]。

接下来m行,每行有三个整数(i, j, k)表示一条规则。

再接下来k行,每行一开始有三个整数t、a和b,表示一条规则(S, a, b),其中S的大小为t,接下来

t个整数表示S中的元素(a为0表示全为牛,a为1表示全为羊)。

Output

输出一个整数ans,表示最大收益。

Sample Input

4 2 1

1 2 3 1

2 3 1 2

1 2 3

1 3 2

2 0 100 1 2

Sample Output

108

HINT

对于100的数据,n <= 5000, m <= 5000, k <= 5000, a = 0 or 1。

题解与吐槽:

傻逼网络流
然后听取了tkd的建议拆了点。。。
wa后发现拆点毫无意义而且会影响正确性

从源点向每个点连一条流量为ai的边,每个点向汇点连一条流量为bi的边。于是每一种割法对应一种选择。然后考虑第二种限制,我们向有关系的两点互连流量为k的边,意会一下。第三种的话我们再加上一个新点,如果要求是割掉集合中的点与汇点的边,于是从源点向这个点连流量为收益大小的边,在从这个点向集合中的点连流量无穷大的边;另一种情况同理。于是就完了。

请无视掉那个奇怪的typedef,其实它的含义是tkd神犇

#include <bits/stdc++.h>

using namespace std;

typedef long long ll;
typedef double db;
typedef long long tkdsb;

const tkdsb inf=0x3f3f3f3f3f3f;

tkdsb getint()
{
    char c=getchar();
    tkdsb f=1,g=0;
    while(c>'9' || c<'0'){if(c=='-')f=-1;c=getchar();}
    while(c<='9' && c>='0')g=(g<<3)+(g<<1)+c-'0',c=getchar();
    return f*g;
}

const tkdsb maxn=40005;

tkdsb n,m,k;

struct edge{
    tkdsb from,to,cap;
};

tkdsb s,t;

vector<tkdsb> g[maxn];
vector<edge> eds;

void addedge(tkdsb from,tkdsb to,tkdsb cap)
{
    g[from].push_back(eds.size());
    eds.push_back((edge){from,to,cap});
    g[to].push_back(eds.size());
    eds.push_back((edge){to,from,0});
}

tkdsb d[maxn];
queue<tkdsb> q;

bool bfs()
{
    memset(d,-1,sizeof d);
    d[s]=0;
    q.push(s);
    while(!q.empty())
    {
        tkdsb x=q.front();q.pop();
        for(vector<tkdsb>::iterator it=g[x].begin();it!=g[x].end();it++)
        {
            edge e=eds[*it];
            if(d[e.to]==-1 && e.cap>0)
            {
                d[e.to]=d[x]+1;
                q.push(e.to);
            }
        }
    }
    return d[t]!=-1;
}

tkdsb cur[maxn];

tkdsb dfs(tkdsb x,tkdsb f)
{
    if(x==t || f==0)return f;
    tkdsb used=0;
    tkdsb temp;

    for(tkdsb i=cur[x];i<g[x].size();i++)
    {
        edge e=eds[g[x][i]];
        if(d[e.to]==d[x]+1 && e.cap)
        {
            temp=dfs(e.to,min(e.cap,f-used));
            cur[x]=i;
            eds[g[x][i]].cap-=temp;
            eds[(g[x][i])^1].cap+=temp;
            used+=temp;
            if(used==f)return used;
        }
    }
    if(used==0)d[x]=-1;
    return used;
}

tkdsb dinic()
{
    tkdsb res=0;
    while(bfs())
    {
        memset(cur,0,sizeof cur);
        res+=dfs(s,inf);
    }
    return res; 
}

//expected score 100

int main()
{
//  freopen("work.in","r",stdin);
//  freopen("work.out","w",stdout);

    n=getint();
    m=getint();
    k=getint();

    s=0;
    t=maxn-1;

    tkdsb x,y;
    tkdsb z;
    tkdsb res=0;

    for(tkdsb i=1;i<=n;i++)
    {
        x=getint();
        addedge(s,i,x);
        res+=x;
    }
    for(tkdsb i=1;i<=n;i++)
    {
        x=getint();
        addedge(i,t,x);
        res+=x;
    }
    for(tkdsb i=1;i<=m;i++)
    {
        x=getint();
        y=getint();
        z=getint();

        addedge(x,y,z);
        addedge(y,x,z);
    }

    tkdsb temp;

    for(tkdsb i=1;i<=k;i++)
    {
        temp=getint();
        x=getint();
        y=getint();
        res+=y;
        if(x==1)
        {
            addedge(i+n,t,y);
            for(tkdsb j=1;j<=temp;j++)
            {
                z=getint();
                addedge(z,i+n,inf);
            }
        }
        else
        {
            addedge(s,i+n,y);
            for(tkdsb j=1;j<=temp;j++)
            {
                z=getint();
                addedge(n+i,z,inf);
            }
        }       
    }
    res-=dinic();
    printf("%lld\n",res);

    return 0;
}
【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛模型(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛模型(Matlab代码实现)》的研究资源,重点围绕电力系统中连锁故障的传播机制,提出了一种N-k多阶段双层优化模型,并结合故障场景筛方法提升系统安全性与鲁棒性。该模型通过Matlab代码实现,可用于模拟复杂电力系统在多重故障下的响应特性,支持对关键故障路径的识别与优化决策,适用于高水平科研复现与工程仿真分析。文中还列举了大量相关技术方向的配套资源,涵盖智能优化算法、电力系统管理、机器学习、路径规划等多个领域,并提供了网盘链接以便获取完整代码与资料。; 适合人群:具备电力系统、优化理论及Matlab编程基础的研究生、科研人员及从事能源系统安全分析的工程技术人员,尤其适合致力于高水平论文(如EI/SCI)复现与创新的研究者。; 使用场景及目标:①复现顶级期刊关于N-k故障与连锁传播的优化模型;②开展电力系统韧性评估、故障传播分析与多阶段防御策略设计;③结合YALMIP等工具进行双层优化建模与场景筛算法开发;④支撑科研项目、学位论文或学术成果转化。; 阅读建议:建议读者按照文档提供的目录顺序系统学习,优先掌握双层优化与场景筛的核心思想,结合网盘中的Matlab代码进行调试与实验,同时参考文中提及的智能算法与电力系统建模范例,深化对复杂电力系统建模与优化的理解。
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