UVA 10746 Crime Wave - The Sequel

本文深入探讨了最小费用最大流算法的实现细节,通过具体的代码示例展示了如何构建网络流图,设置流量和成本,并迭代求解最优解。特别关注了从源点到汇点的路径选择,以及如何调整流量以达到最小总成本。

最小费用最大流 源点->警察->bank->汇点

剩下的模板就可以

#include <map>
#include <set>
#include <list>
#include <cmath>
#include <ctime>
#include <deque>
#include <stack>
#include <queue>
#include <cctype>
#include <cstdio>
#include <string>
#include <vector>
#include <climits>
#include <cstdlib>
#include <cstring>
#include <iostream>
#include <algorithm>
#define LL long long
#define PI 3.1415926535897932626
using namespace std;
int gcd(int a, int b) {return a % b == 0 ? b : gcd(b, a % b);}
#define MAXN 50
#define INF 100000000
const double eps = 1e-9 ;
int flow[MAXN][MAXN],cap[MAXN][MAXN];
double cost[MAXN][MAXN];
int N,M,src,tag;
double c;
int ans;
void read()
{
    memset(cap,0,sizeof(cap));
    memset(flow,0,sizeof(flow));
    for (int i = 0; i < MAXN; i++) for (int j = 0; j < MAXN; j++) cost[i][j] = INF;
    src = 0 ; tag = N + M + 1;
    for (int i = 1; i <= M; i++) {cap[0][i] = 1; cost[0][i] = 0;}
    for (int i = 1; i <= N; i++) {cap[M + i][tag] = 1; cost[M + i][tag] = 0;}
    for (int i = 1; i <= N; i++)
        for (int j = 1; j <= M; j++)
    {
        double tmp;
        scanf("%lf",&tmp);
        cost[j][i + M] = tmp;
        cost[i + M][j] = -tmp;
        cap[j][i + M] = 1;
    }
}
void slove()
{
    queue<int>q;
    bool inq[MAXN];
    int p[MAXN];
    double d[MAXN];
    ans = 0;
    c = 0.0;
    while (true)
    {
        memset(inq,false,sizeof(inq));
        for (int i = 0; i < MAXN; i ++) d[i] = INF;
        d[src] = 0;
        q.push(src);
        while (!q.empty())
        {
            int u = q.front(); q.pop();
            inq[u] = false;
            for (int v = 0 ; v <= tag; v++)
              if (cap[u][v] > flow[u][v] && d[v] > d[u] + cost[u][v] + eps)
              {
                  d[v] = d[u] + cost[u][v];
                  p[v] = u;
                  if (!inq[v])
                  {
                      inq[v] = true;
                      q.push(v);
                  }
              }
        }
        if (d[tag] == INF)  break;
        int a = INF;
        for (int u = tag; u != src; u = p[u])  a = min(a,cap[p[u]][u] - flow[p[u]][u]);
        for (int u = tag; u != src; u = p[u])
        {
            flow[p[u]][u] += a;
            flow[u][p[u]] -= a;
        }
        c += d[tag] * a;
        ans += a;
    }
}
int main()
{
    //freopen("sample.txt","r",stdin);
    //freopen("output.txt","w",stdin);
    while (scanf("%d%d",&N,&M) != EOF)
    {
        if (N == 0 && M == 0) break;
        read();
        slove();
        printf("%.2lf\n",c / N + eps);
    }
    return 0;
}

 

转载于:https://www.cnblogs.com/Commence/p/4022027.html

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  | 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