[BZOJ1880][Sdoi2009]Elaxia的路线

本文探讨了一种解决两个点对之间寻找最短路径的最长公共路径问题的算法。通过构造无向图并利用拓扑排序,算法有效地找出两对点最短路径的交集,以确定两人在一起的最长时间。

题目描述

最近,\(Elaxia\)\(w\)的关系特别好,他们很想整天在一起,但是大学的学习太紧张了,他们 必须合理地安排两个人在一起的时间。

\(Elaxia\)\(w\)每天都要奔波于宿舍和实验室之间,他们 希望在节约时间的前提下,一起走的时间尽可能的长。

现在已知的是\(Elaxia\)\(w\)所在的宿舍和实验室的编号以及学校的地图:地图上有\(N\)个路 口,\(M\)条路,经过每条路都需要一定的时间。 具体地说,就是要求无向图中,两对点间最短路的最长公共路径。

Input

第一行:两个整数\(N\)\(M\)(含义如题目描述)。

第二行:四个整数\(x_1,y_1,x_2,y_2(1≤x_1≤N,1≤y_1≤N,1≤x_2≤N,1≤y_2≤N)\),分别表示\(Elaxia\)的宿舍和实验室及\(w\)的宿舍和实验室的标号(两对点分别 \(x_1,y_1\)\(x_2,y_2\))。

接下来\(M\)行:每行三个整数,\(u\),\(v\),\(l\)\((1≤u≤N,1≤v≤N,1≤l≤10000)\),表 \(u\)\(v\)之间有一条路,经过这条路所需要的时间为\(l\)

对于\(30\%\)的数据,\(N≤100\)
对于\(60\%\)的数据,\(N≤1000\)
对于\(100\%\)的数据,\(N≤1500\),输入数据保证没有重边和自环。

Output

一行,一个整数,表示每天两人在一起的时间(即最长公共路径的长度)

Sample Input

9 10
1 6 7 8
1 2 1
2 5 2
2 3 3
3 4 2
3 9 5
4 5 3
4 6 4
4 7 2
5 8 1
7 9 1

Sample Output

3

很显然,对于在一起的路径,他一定是连续的。

因为,若不是连续的路径,中间的一段路肯定是走较短的那一段更优。

所以,那一段路一定是连续的路径。

问题就变成了,两对点的最短路径的交集的最长链。

对于一对点的最长链,若满足\(dis[x]+cost[x][y]==dis[y]\),那么\(x->y\),这条路径就在最短路图上了。

求出两个图的交集即可。

这个图具有拓扑关系,优先级更高的点可以更新其他与他相连的点。

由此,我们可以找出交集中入度为\(0\)的点,将其加入源点,同时跑拓扑。

最后,距离最大的值就是答案了。

有一个细节就是,题目并没有严格规定方向,所以必须在一对边的最短路图中把反向表也标记。

代码如下

#include <cstdio>
#include <cstring>
#include <queue>
#include <iostream>
#include <algorithm>
 
using namespace std;
 
#define LL long long
#define u64 unsigned long long
#define reg register
#define Raed Read
#define debug(x) cerr<<#x<<" = "<<x<<endl;
#define rep(a,b,c) for(reg int a=(b),a##_end_=(c); a<=a##_end_; ++a)
#define ret(a,b,c) for(reg int a=(b),a##_end_=(c); a<a##_end_; ++a)
#define drep(a,b,c) for(reg int a=(b),a##_end_=(c); a>=a##_end_; --a)
#define erep(i,G,x) for(reg int i=(G).Head[x]; i; i=(G).Nxt[i])
 
inline int Read() {
    int res = 0, f = 1;
    char c;
    while (c = getchar(), c < 48 || c > 57)if (c == '-')f = 0;
    do res = (res << 3) + (res << 1) + (c ^ 48);
    while (c = getchar(), c >= 48 && c <= 57);
    return f ? res : -res;
}
 
template<class T>inline bool Min(T &a, T const&b) {
    return a > b ? a = b, 1 : 0;
}
template<class T>inline bool Max(T &a, T const&b) {
    return a < b ? a = b, 1 : 0;
}
 
const int N = 1505, M = N*N, mod = 1e9 + 9;
 
bool MOP1;
 
int n,m,sx1,sy1,sx2,sy2;
 
struct Link_list {
    int Tot,Head[N],Nxt[M],to[M],cost[M];
    inline void AddEdgepair(int a,int b,int c) {
        to[++Tot]=b,cost[Tot]=c,Nxt[Tot]=Head[a],Head[a]=Tot;
        to[++Tot]=a,cost[Tot]=c,Nxt[Tot]=Head[b],Head[b]=Tot;
    }
} G;
 
struct T2100 {
    int vis[N],Dis[N],Ans;
    struct node {
        int u,dis;
        bool operator<(node _)const {
            return dis>_.dis;
        }
    };
    void Dij(int x) {
        memset(Dis,6,sizeof Dis);
        memset(vis,0,sizeof vis);
        priority_queue<node>Q;
        Dis[x]=vis[x]=0;
        Q.push((node)<%x,0%>);
        while(!Q.empty()) {
            node Now=Q.top();
            Q.pop();
            int No=Now.u;
            if(vis[No])continue;
            vis[No]=1;
            erep(i,G,No) {
                int y=G.to[i];
                if(Dis[No]+G.cost[i]<Dis[y]) {
                    Dis[y]=Dis[No]+G.cost[i];
                    Q.push((node)<%y,Dis[y]%>);
                }
            }
        }
    }
    int us[N];
    int path1[M];
    bool In1[N];
    bool dfs1(int x) {
        if(x==sy1)return true;
        if(us[x])return In1[x];
        bool tot=false;
        erep(i,G,x) {
            int y=G.to[i];
            if(Dis[x]+G.cost[i]==Dis[y])tot|=(path1[i]=dfs1(y));
        }
        us[x]=1,In1[x]=tot;
        return tot;
    }
    bool In2[N];
    int path2[M],path3[M];
    bool dfs2(int x) {
        if(x==sy2)return true;
        if(us[x])return In2[x];
        bool tot=false;
        erep(i,G,x) {
            int y=G.to[i];
            if(Dis[x]+G.cost[i]==Dis[y])tot|=(path2[i]=path3[i^1]=dfs2(y));
        }
        us[x]=1,In2[x]=tot;
        return tot;
    }
    int In[N];
    void Topu1(void) {
        memset(Dis,0,sizeof Dis);
        queue<int>Q;
        rep(i,1,n)if(!In[i])Q.push((int)i);
        while(!Q.empty()) {
            int x=Q.front();
            Q.pop();
            erep(i,G,x) {
                int y=G.to[i];
                if(!path1[i]||!path2[i])continue;
                if(Dis[x]+G.cost[i]>Dis[y])Dis[y]=Dis[x]+G.cost[i];
                In[y]--;
                if(!In[y])Q.push(y);
            }
        }
        rep(i,1,n)Max(Ans,Dis[i]);
    }
    void Topu2(void) {
        memset(Dis,0,sizeof Dis);
        queue<int>Q;
        rep(i,1,n)if(!In[i])Q.push((int)i);
        while(!Q.empty()) {
            int x=Q.front();
            Q.pop();
            erep(i,G,x) {
                int y=G.to[i];
                if(!path1[i]||!path3[i])continue;
                if(Dis[x]+G.cost[i]>Dis[y])Dis[y]=Dis[x]+G.cost[i];
                In[y]--;
                if(!In[y])Q.push(y);
            }
        }
        rep(i,1,n)Max(Ans,Dis[i]);
    }
    inline void solve(void) {
        Ans=0;
        Dij(sx1),dfs1(sx1);
        memset(us,0,sizeof us);
        Dij(sx2),dfs2(sx2);
        rep(i,1,n) {
            erep(j,G,i) {
                int y=G.to[j];
                if(path1[j]&path2[j])In[y]++;
            }
        }
        Topu1();
        rep(i,1,n) {
            erep(j,G,i) {
                int y=G.to[j];
                if(path1[j]&path3[j])In[y]++;
            }
        }
        Topu2();
        printf("%d",Ans);
    }
} P100;
 
bool MOP2;
 
inline void _main(void) {
    n=Raed(),m=Read();
    sx1=Read(),sy1=Read();
    sx2=Read(),sy2=Read();
    G.Tot=1;
    rep(i,1,m) {
        int a=Read(),b=Read(),c=Raed();
        G.AddEdgepair(a,b,c);
    }
    P100.solve();
}
 
signed main() {
#define offline1
#ifdef offline
    freopen("path.in", "r", stdin);
    freopen("path.out", "w", stdout);
    _main();
    fclose(stdin);
    fclose(stdout);
#else
    _main();
#endif
    return 0;
}

转载于:https://www.cnblogs.com/dsjkafdsaf/p/11270289.html

需求响应动态冰蓄冷系统与需求响应策略的优化研究(Matlab代码实现)内容概要:本文围绕需求响应动态冰蓄冷系统及其优化策略展开研究,结合Matlab代码实现,探讨了在电力需求侧管理背景下,冰蓄冷系统如何通过优化运行策略参与需求响应,以实现削峰填谷、降低用电成本和提升能源利用效率的目标。研究内容包括系统建模、负荷预测、优化算法设计(如智能优化算法)以及多场景仿真验证,重点析不同需求响应机制下系统的经济性和运行特性,并通过Matlab编程实现模型求解与结果可视化,为实际工程应用提供理论支持和技术径。; 适合人群:具备一定电力系统、能源工程或自动化背景的研究生、科研人员及从事综合能源系统优化工作的工程师;熟悉Matlab编程且对需求响应、储能优化等领域感兴趣的技术人员。; 使用场景及目标:①用于高校科研中关于冰蓄冷系统与需求响应协同优化的课题研究;②支撑企业开展楼宇能源管理系统、智慧园区调度平台的设计与仿真;③为政策制定者评估需求响应措施的有效性提供量化析工具。; 阅读建议:建议读者结合文中Matlab代码逐段理解模型构建与算法实现过程,重点关注目标函数设定、约束条件处理及优化结果析部,同时可拓展应用其他智能算法进行对比实验,加深对系统优化机制的理解。
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  | 博主筛选后可见
 
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