poj 1325 二分图最小点覆盖(机器模式的选择)

本文探讨了最小点覆盖算法在解决任务调度问题中的应用,通过实例介绍了如何利用该算法优化任务分配,减少开机次数,提高效率。

题意:机器A有n(0~n-1)个模式,机器B有m(0~m-1)个模式。有k个任务,可以用机器A的i模式做或用机器B的j模式做。任务无先后,换模式需重启机器,开始时两个机器都在模式0,且已经开机。问最少需要开机多少次。

思路:求最小点覆盖。最小点覆盖=最大匹配。故为hungary模板。注意可以用两个机器模式0做的就不必考虑了。

#include <stdio.h>
#include <string.h>
#define N 105
#define M 1005
int map[N][N];
int visited[N],link[N];
int n,m,k;
int dfs(int i){
	int j;
	for(j = 0;j<m;j++)
		if(!visited[j] && map[i][j]){
			visited[j] = 1;
			if(link[j]==-1 || dfs(link[j])){
				link[j] = i;
				return 1;
			}
		}
	return 0;
}
int hungary(){
	int i,res=0;
	for(i = 0;i<n;i++){
		memset(visited,0,sizeof(visited));
		if(dfs(i))
			res++;
	}
	return res;
}
int main(){
	freopen("a.txt","r",stdin);
	while(scanf("%d",&n)&&n){
		int i,a,b;
		memset(map,0,sizeof(map));
		memset(link,-1,sizeof(link));
		scanf("%d %d",&m,&k);
		while(k--){
			scanf("%d %d %d",&i,&a,&b);
			if(a&&b)
				map[a][b] = 1;
		}
		printf("%d\n",hungary());
	}
	return 0;
}


### 关于二分图最小覆盖的算法实现 #### 1. 最小覆盖的概念 最小覆盖是指在一个二分图中选取尽可能少的节,使得这些节能够覆盖所有的边。换句话说,对于每一条边 (u, v),至少有一个端 u 或 v 被选入覆盖集中。 根据 König 定理,在任意无向二分图中,最小覆盖的数量等于该图的最大匹配数量[^1]。 --- #### 2. 算法原理 为了求解二分图最小覆盖,通常采用 **匈牙利算法** 来计算最大匹配数。具体过程如下: - 构建一个二分图 G(X,Y,E),其中 X 和 Y 是两个互不相交的节集合,E 表示连接它们的边。 - 使用匈牙利算法找到二分图的最大匹配 M。 - 基于最大匹配的结果,通过以下方式构造最小覆盖: - 将左侧未被匹配的节加入到覆盖集中; - 对右侧已被匹配的节也加入到覆盖集中。 最终得到的覆盖集大小即为最小覆盖的数量[^2]。 --- #### 3. 实现代码 以下是基于 Python 的实现代码,利用匈牙利算法完成二分图最小覆盖的计算: ```python from collections import defaultdict def hungarian_algorithm(graph, n, m): """ 匈牙利算法用于寻找二分图的最大匹配 :param graph: 邻接表表示的二分图 {X -> [Y]} :param n: 左侧节数目 :param m: 右侧节数目 :return: 最大匹配结果 """ match_y = [-1] * m # 记录右侧节对应的匹配关系 visited = None # 当前轮次访问标记 def dfs(u): for v in graph[u]: if not visited[v]: visited[v] = True if match_y[v] == -1 or dfs(match_y[v]): match_y[v] = u return True return False matching_count = 0 for i in range(n): visited = [False] * m if dfs(i): matching_count += 1 return matching_count, match_y def min_vertex_cover(graph, n, m): """ 求解二分图最小覆盖 :param graph: 邻接表表示的二分图 {X -> [Y]} :param n: 左侧节数目 :param m: 右侧节数目 :return: 最小覆盖集合 """ max_matching, match_y = hungarian_algorithm(graph, n, m) cover_x = set() # 左侧需要覆盖的节 cover_y = set() # 右侧需要覆盖的节 unmatched_in_x = set(range(n)) # 初始认为所有左侧节都未匹配 matched_in_y = set() for y in range(m): # 找出右侧已匹配的节 if match_y[y] != -1: unmatched_in_x.discard(match_y[y]) # 如果某个左侧节参与了匹配,则移除 matched_in_y.add(y) cover_x.update(unmatched_in_x) # 添加左侧未匹配的节 cover_y.update(set(range(m)) - matched_in_y) # 添加右侧未匹配的节 return list(cover_x), list(cover_y) # 测试用例 if __name__ == "__main__": # 输入邻接表形式的二分图 graph = { 0: [0, 1], 1: [0, 2], 2: [1, 3] } n = 3 # 左侧节数 m = 4 # 右侧节数 result_x, result_y = min_vertex_cover(graph, n, m) print(f"左侧需覆盖的节: {result_x}") print(f"右侧需覆盖的节: {result_y}") ``` 上述代码实现了二分图最小覆盖功能,核心部分依赖匈牙利算法来获取最大匹配,并据此推导出覆盖所需的节集合[^3]。 --- #### 4. 应用实例 考虑 POJ 3041 Asteroids 这道题目,其本质是一个二分图最小覆盖问题。给定一组障碍物坐标,将其转化为二分图模型后,可以通过以上方法高效解决。最终输出的是满足条件的最小射击次数[^4]。 ---
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