ACM/ICPC 之 网络流入门-Ford Fulkerson与SAP算法(POJ1149-POJ1273)

本文深入解析了网络流算法中的Ford-Fulkerson算法和最短增广路(SAP)算法,通过具体实例展示了如何构建网络流模型,寻找最大流,并详细解释了算法的实现过程。

   第一题:按顾客访问猪圈的顺序依次构图(顾客为结点),汇点->第一个顾客->第二个顾客->...->汇点

 

 

//第一道网络流
//Ford-Fulkerson
//Time:47Ms		Memory:276K
#include<iostream>
#include<cstring>
#include<cstdio>
#include<algorithm>
#include<queue>
using namespace std;

#define MAXN 105	//顾客
#define MAXM 1005	//猪圈
#define INF 0x3f3f3f3f

struct Arc {
	int c, f;
}e[MAXN][MAXN];

int n, m;
int s, t;
int pig[MAXM], last[MAXM];	//last[]:猪圈当前顾客(0为源点,n+1为汇点)
int pre[MAXN];		//1.从哪一个结点
int alpha[MAXN];	//2.可改进量

void ford()	//ford fulkerson
{
	alpha[s] = INF;	//源点可改进量无限
	while (1) {	//多次标号
		memset(pre, -1, sizeof(pre));	//初始标号
		queue<int> q;
		q.push(s);
		while (!q.empty() && pre[t] == -1) {
			int cur = q.front();	q.pop();
			for (int i = 1; i <= t; i++)
			{
				int tmp;
				//tmp 为非0可保证邻接且保证有剩余流量
				if (pre[i] == -1 && (tmp = e[cur][i].c - e[cur][i].f))
				{
					pre[i] = cur;
					q.push(i);
					alpha[i] = min(alpha[cur], tmp);
				}
			}
		}
		if (pre[t] == -1)	return;	//未找到增广路
		for (int i = pre[t], j = t; i != -1; j = i, i = pre[i])
		{
			e[i][j].f += alpha[t];
			e[j][i].f = -e[i][j].f;
		}
	}

}
 
int main()
{
	//freopen("in.txt", "r", stdin);

	memset(last, 0, sizeof(last));
	memset(e, 0, sizeof(e));
	scanf("%d%d", &m, &n);
	s = 0;	t = n + 1;
	for (int i = 1; i <= m; i++)
		scanf("%d", &pig[i]);
	for (int i = 1; i <= n; i++)
	{
		int num;	//钥匙数
		scanf("%d", &num);
		while (num--) {
			int pn;
			scanf("%d", &pn);
			if (last[pn] == 0)
				e[last[pn]][i].c += pig[pn];
			else e[last[pn]][i].c = INF;
			last[pn] = i;
		}
		scanf("%d", &e[i][t].c);
	}

	ford();

	int maxFlow = 0;
	for (int i = 1; i < t; i++)
		maxFlow += e[i][t].f;
	printf("%d\n", maxFlow);

	return 0;
}

 

  第二道:最短增广路(SAP)算法,dinic算法前身,与dinic不同的是需要多次采用BFS进行构建层次网络,题目本身较直接。

 

//网络流
//一般最短增广路算法-Dinic算法的前身
//Time:16Ms		Memory:676K
#include<iostream>
#include<cstring>
#include<cstdio>
#include<algorithm>
#include<queue>
using namespace std;

#define MAX 205
#define INF 0x3f3f3f3f

struct Arc {
	int c, f;
}e[MAX][MAX];

int n, m;
int s, t;
int pre[MAX];
int res[MAX][MAX];	//残留网络->层次网络
bool v[MAX];

void bfs()
{
	while (1)	//多次BFS寻找增广路
	{
		memset(v, false, sizeof(v));
		memset(res, 0, sizeof(res));
		memset(pre, 0, sizeof(pre));
		queue<int> q;
		q.push(s);	v[s] = true;
		while (!q.empty() && pre[t] == 0)
		{	//BFS构造层次网络
			int cur = q.front();	q.pop();
			for (int i = 1; i <= n; i++)
			{
				if (!v[i]) {
					int tmp = e[cur][i].c - e[cur][i].f;
					if (tmp > 0) {	//正向有残留容量
						res[cur][i] = tmp;
						pre[i] = cur;
						q.push(i);	v[i] = true;
					}
					else if (e[i][cur].f > 0) {	//反向有流量
						res[cur][i] = e[i][cur].f;
						pre[i] = cur;
						q.push(i);	v[i] = true;
					}
				}
			}
		}
		if (pre[t] == 0)	return;
		int minroad = INF;	//最小可改进量
		for (int i = t; i != s; i = pre[i])
			minroad = min(minroad, res[pre[i]][i]);
		for (int i = t; i != s; i = pre[i])
		{
			if (e[pre[i]][i].c - e[pre[i]][i].f > 0)
				e[pre[i]][i].f += minroad;
			else if (e[i][pre[i]].f > 0)
				e[i][pre[i]].f -= minroad;
		}

	}
}

int main()
{
	//freopen("in.txt", "r", stdin);

	while (~scanf("%d%d", &m, &n))
	{
		memset(e, 0, sizeof(e));
		int u, v, c;
		for (int i = 0; i < m; i++)
		{
			scanf("%d%d%d", &u, &v, &c);
			e[u][v].c += c;
		}

		s = 1;	t = n;
		bfs();

		int maxFlow = 0;
		for (int i = 1; i < n; i++)
			maxFlow += e[i][t].f;
		printf("%d\n", maxFlow);
	}

	return 0;
}

 

转载于:https://www.cnblogs.com/Inkblots/p/5703024.html

AI 代码审查Review工具 是一个旨在自动化代码审查流程的工具。它通过集成版本控制系统(如 GitHub 和 GitLab)的 Webhook,利用大型语言模型(LLM)对代码变更进行分析,并将审查意见反馈到相应的 Pull Request 或 Merge Request 中。此外,它还支持将审查结果通知到企业微信等通讯工具。 一个基于 LLM 的自动化代码审查助手。通过 GitHub/GitLab Webhook 监听 PR/MR 变更,调用 AI 分析代码,并将审查意见自动评论到 PR/MR,同时支持多种通知渠道。 主要功能 多平台支持: 集成 GitHub 和 GitLab Webhook,监听 Pull Request / Merge Request 事件。 智能审查模式: 详细审查 (/github_webhook, /gitlab_webhook): AI 对每个变更文件进行分析,旨在找出具体问题。审查意见会以结构化的形式(例如,定位到特定代码行、问题分类、严重程度、分析和建议)逐条评论到 PR/MR。AI 模型会输出 JSON 格式的分析结果,系统再将其转换为多条独立的评论。 通用审查 (/github_webhook_general, /gitlab_webhook_general): AI 对每个变更文件进行整体性分析,并为每个文件生成一个 Markdown 格式的总结性评论。 自动化流程: 自动将 AI 审查意见(详细模式下为多条,通用模式下为每个文件一条)发布到 PR/MR。 在所有文件审查完毕后,自动在 PR/MR 中发布一条总结性评论。 即便 AI 未发现任何值得报告的问题,也会发布相应的友好提示和总结评论。 异步处理审查任务,快速响应 Webhook。 通过 Redis 防止对同一 Commit 的重复审查。 灵活配置: 通过环境变量设置基
【直流微电网】径向直流微电网的状态空间建模线性化:一种耦合DC-DC变换器状态空间平均模型的方法 (Matlab代码实现)内容概要:本文介绍了径向直流微电网的状态空间建模线性化方法,重点提出了一种基于耦合DC-DC变换器的状态空间平均模型的建模策略。该方法通过数学建模手段对直流微电网系统进行精确的状态空间描述,并对其进行线性化处理,以便于系统稳定性分析控制器设计。文中结合Matlab代码实现,展示了建模仿真过程,有助于研究人员理解和复现相关技术,推动直流微电网系统的动态性能研究工程应用。; 适合人群:具备电力电子、电力系统或自动化等相关背景,熟悉Matlab/Simulink仿真工具,从事新能源、微电网或智能电网研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握直流微电网的动态建模方法;②学习DC-DC变换器在耦合条件下的状态空间平均建模技巧;③实现系统的线性化分析并支持后续控制器设计(如电压稳定控制、功率分配等);④为科研论文撰写、项目仿真验证提供技术支持代码参考。; 阅读建议:建议读者结合Matlab代码逐步实践建模流程,重点关注状态变量选取、平均化处理和线性化推导过程,同时可扩展应用于更复杂的直流微电网拓扑结构中,提升系统分析设计能力。
内容概要:本文介绍了基于物PINN驱动的三维声波波动方程求解(Matlab代码实现)理信息神经网络(PINN)求解三维声波波动方程的Matlab代码实现方法,展示了如何利用PINN技术在无需大量标注数据的情况下,结合物理定律约束进行偏微分方程的数值求解。该方法将神经网络物理方程深度融合,适用于复杂波动问题的建模仿真,并提供了完整的Matlab实现方案,便于科研人员理解和复现。此外,文档还列举了多个相关科研方向和技术服务内容,涵盖智能优化算法、机器学习、信号处理、电力系统等多个领域,突出其在科研仿真中的广泛应用价值。; 适合人群:具备一定数学建模基础和Matlab编程能力的研究生、科研人员及工程技术人员,尤其适合从事计算物理、声学仿真、偏微分方程数值解等相关领域的研究人员; 使用场景及目标:①学习并掌握PINN在求解三维声波波动方程中的应用原理实现方式;②拓展至其他物理系统的建模仿真,如电磁场、热传导、流体力学等问题;③为科研项目提供可复用的代码框架和技术支持参考; 阅读建议:建议读者结合文中提供的网盘资源下载完整代码,按照目录顺序逐步学习,重点关注PINN网络结构设计、损失函数构建及物理边界条件的嵌入方法,同时可借鉴其他案例提升综合仿真能力。
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