[BZOJ2330]SCOI2011糖果|差分约束

本文介绍如何使用差分约束系统与最短路径算法解决特定类型的问题,并通过实例详细解析了不同条件下的实现方法。

差分约束题。。学了一下差分约束,我觉得还是挺简单的,考虑f[u]-f[v]<=c,发现和最短路的松弛操作神似,最短路跑完之后对于一条边(v,u),显然有d[u]<=d[v]+c,不就是上面差分约束的式子吗。。那就转化成最短()路做咯,以最短路为例了,对于每个f[u]-f[v]<=c,连一条vu权值为c的边,然后跑最短路,如果有负环那就说明无解,没有的话跑完之后各点的d值就是解。。

对于本题,d[a]==d[b],有 d[a]-d[b]>=0, d[b]-d[a]>=0

d[a]<d[b],有 d[b]-d[a]>=1

d[a]>=d[b],有 d[a]-d[b]>=0

d[a]>d[b],有 d[a]-d[b]>=1

d[a]<=d[b],有 d[b]-d[a]>=0

这里要求一组和最小的解,而每个点要>=1,所以用最长路做,每个点初始赋为1,然后一开始把它们都扔进队列,跑最长路即可。。

对于差分约束来说,无论跑最长路还是最短路都可以出解,但是我们求出的都只是一组相对大小,要利用这个相对大小来求一组符合题目的解。。像这题,每个点的值要求大于0,所以我们赋初值1,要保证在运行算法的过程中每个点的值始终大于0,那么就是跑最长路了。。

#include<iostream>
#include<cstdio>
#include<memory.h>
#define N 100005
using namespace std;
struct edge{
	int e,q,next;
}ed[N*2];
int n,k,i,s,t,opt,ne=0,a[N],dis[N],que[N*2],u[N],inq[N];
long long ans=0ll;
void add(int s,int e,int q)
{
	ed[++ne].e=e;ed[ne].q=q;
	ed[ne].next=a[s];a[s]=ne;
}
bool spfa()
{
	int head=1,tail=n,get,hh=1,tt=n,j,i,to;
	for (i=1;i<=n;i++) inq[i]=dis[i]=u[i]=1,que[i]=i;
	while (hh<=tt)
	{
		get=que[head++];hh++;
		if (head>200000) head=1;
		for (j=a[get];j;j=ed[j].next)
			if (dis[get]+ed[j].q>dis[to=ed[j].e])
			{
				dis[to]=dis[get]+ed[j].q;
				if (!inq[to])
				{
					if (++u[to]>=n) return false;
					tail++;tt++;
					if (tail>200000) tail=1;
					que[tail]=to;
					inq[to]=1;
				}
			}
		inq[get]=0;
	}
	return true;
}
int main()
{
	scanf("%d%d",&n,&k);
	for (i=1;i<=n;i++) a[i]=0;
	for (i=1;i<=k;i++)
	{
		scanf("%d%d%d",&opt,&s,&t);
		switch (opt)
		{
			case 1:add(s,t,0);add(t,s,0);break;
			case 2:if (s==t) {puts("-1");return 0;}
				add(s,t,1);break;
			case 3:add(t,s,0);break;
			case 4:if (s==t) {puts("-1");return 0;}
				add(t,s,1);break;
			case 5:add(s,t,0);break;
		}
	}
	if (spfa())
	{
		for (i=1;i<=n;i++) ans+=(int)dis[i];
		printf("%lld",ans);
	}
	else printf("-1");
}


六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
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