[POJ] 1201 Intervals [差分约束]

差分约束算法解析
本文通过一道具体题目,介绍了如何使用差分约束算法解决数轴上区间覆盖的问题,并给出了详细的算法实现过程及代码示例。

题意:给出数轴上的n个区间[ai,bi],每个区间都是连续的,Z集合由一堆数轴上面的元素组成,Z里面的元素和[ai,bi]的交集有ci个元素,问Z里面至少有多少个元素;

思路 :差分约束;用一个数组Dis[x]表示从0到x一共有多少个Z里面的元素;

那么[ai,bi]里面与Z交集的元素的个数就是Dis[bi]-Dis[ai-1](因为如果集合里面的元素含有ai的话,那么Dis[bi]-Dis[ai]就会少掉ai这个元素)

1.由题意,因为是至少,所以Dis[bi]-Dis[ai-1]>=ci;

2.因为是整数,所以0<=Dis[i]-Dis[i-1]<=1,要么i这个点在Z里面 就是Dis[i]-Dis[i-1]=1不在里面Dis[i]=Dis[i-1];

   由上面两个约束条件可以列出方程(不等号方向要一致)

1.Dis[ai-1]+ci<=Dis[bi]->Dis[ai-1]<=Dis[bi]-ci

2.Dis[i-1]-Dis[i]<=0->Dis[i-1]<=Dis[i]

3.Dis[i]-Dis[i-1]<=1->DIs[i]<=Dis[i-1]+1

这就可以看作是源点到每个点的最小距离Dis[x],初始化为0,ci就是(ai-1,bi)的边权

当某个边满足这三个式子的其中一个的时候,对这条边进行relax处理(更新左边的值)

//Bellman-Ford 算法

if(Dis[ai-1]>Dis[bi]-ci) Dis[ai-1]=Dis[bi]-ci

if(Dis[i-1]>Dis[i]) Dis[i-1]=Dis[i];

if(Dis[i]>DIs[i-1]+1) DIs[i]=Dis[i-1]+1;

最后答案就是源点到最大顶点的距离减去源点到最小定点的距离

上代码

#include <stdio.h>
#include <string.h>
#include <stdlib.h>
#include <iostream>
#include <algorithm>
using namespace std;
struct node
{
    int a,b;
};
node Map[50000+1];
int c[50000+1];
int dis[50000+1];
int n;
int up,down;
int main()
{
    while(scanf("%d",&n)!=EOF)
    {

        up=-1;
        down=0x3f3f3f;
        for(int i=1;i<=n;i++)
        {
            int s,e;
            scanf("%d %d %d",&s,&e,&c[i]);
            Map[i].a=s;
            Map[i].b=e+1;
            up=max(up,Map[i].b);//找最大和最小的点
            down=min(down,Map[i].a);
            dis[i]=0;

        }
       //Bellman-Ford 算法 
        int flag=1;
        while(flag)//如果没有边满足这三个条件就可以跳出循环了
        {
            flag=0;
            for(int i=1;i<=n;i++)
            {
              if(dis[Map[i].a]>dis[Map[i].b]-c[i])
              {
                  flag=1;
                  dis[Map[i].a]=dis[Map[i].b]-c[i];
              }

            }
            for(int i=down;i<up;i++)
            {
                if(dis[i+1]>dis[i]+1)
                {
                    dis[i+1]=dis[i]+1;
                    flag=1;
                }
            }
            for(int i=up-1;i>=down;i--)
            {
                if(dis[i]>dis[i+1])
                {
                    dis[i]=dis[i+1];
                    flag=1;
                }
            }

        }
        printf("%d\n",dis[up]-dis[down]);
    }
    return 0;
}
参考博客:http://blog.youkuaiyun.com/lyy289065406/article/details/6648686




【EI复现】基于深度强化学习的微能源网能量管理与优化策略研究(Python代码实现)内容概要:本文围绕“基于深度强化学习的微能源网能量管理与优化策略”展开研究,重点利用深度Q网络(DQN)等深度强化学习算法对微能源网中的能量调度进行建模与优化,旨在应对可再生能源出力波动、负荷变化及运行成本等问题。文中结合Python代码实现,构建了包含光伏、储能、负荷等元素的微能源网模型,通过强化学习智能体动态决策能量分配策略,实现经济性、稳定性和能效的多重优化目标,并可能与其他优化算法进行对比分析以验证有效性。研究属于电力系统与人工智能交叉领域,具有较强的工程应用背景和学术参考价值。; 适合人群:具备一定Python编程基础和机器学习基础知识,从事电力系统、能源互联网、智能优化等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习如何将深度强化学习应用于微能源网的能量管理;②掌握DQN等算法在实际能源系统调度中的建模与实现方法;③为相关课题研究或项目开发提供代码参考和技术思路。; 阅读建议:建议读者结合提供的Python代码进行实践操作,理解环境建模、状态空间、动作空间及奖励函数的设计逻辑,同时可扩展学习其他强化学习算法在能源系统中的应用。
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