POJ - 2983 Is the Information Reliable 【spfa解决差分约束问题】

本文探讨了差分约束问题及其在不等式约束下的建图方法,特别讲解了如何处理等于约束条件,并通过SPFA算法求解。介绍了如何构建连通图,确保每条边能够得到松弛,以实现可靠性和连通性的判断。

题目链接:http://poj.org/problem?id=2983

原理在上篇博客已经讲过了,这里把要注意的讲下。

1,因为差分约束问题都是不等式约束,以不等式为基础给题目建图,但是如果题目给出的约束条件是 d[u] - d[v] == w,怎么处理?

w <= d[u] - d[v] <= w,这样就能表示d[u] - d[v] == w这个条件,一条正向正权值,一条反向负权值。

2,因为之前的题目做习惯了,习惯性的给点从1到N的顺序依次加一条权值为0的边,让构建出来的图是一个连通图,因为题目的点虽然是直线排列的,但是排列的顺序不是从1到N的,所以要么把顺序记下来,再根据顺序依次加一条权值为0的边,要么就是把所有的点都加到队列里面也是一样的,虽然图不连通,但是点全加到队列里面能保证每一条边都能够松弛得了。

#include <iostream>
#include <queue>
#include <cstring>
#include <string>
#include <map>
#include <cstdio>
#include <cmath>
#include <algorithm>
#include <vector>

using namespace std;

#define lson (cur<<1)
#define rson (cur<<1|1)
typedef long long ll;
typedef pair<int, int> pii;

const int INF = 0x3f3f3f3f;
const long long LINF = 1e18;
const int Maxn = 1e5+10;
const int Mod = 1e9+7;

struct Edge {
    int v, w;
    Edge(int x = 0, int y = 0):v(x), w(y) {};
} edge[Maxn*2+1000];

int d[1010], cnt[1010], Hash[Maxn<<1];
vector <int> G[1010];
bool vis[1010];

bool spfa(int E, int n) {
    memset(vis, true, sizeof(vis));
    memset(cnt, 0, sizeof(cnt));
    memset(d, 0, sizeof(d));
    queue<Edge> qu;
    for(int i = 0; i < n; ++i)
        qu.push(Edge(Hash[i], 0));

    while(!qu.empty()) {
        int v = qu.front().v; qu.pop();
        vis[v] = false;

        for(int i = 0; i < G[v].size(); ++i) {
            Edge &e = edge[G[v][i]];
            if(d[e.v] < d[v]+e.w) {
                d[e.v] = d[v]+e.w;
                if(!vis[e.v]) {
                    vis[e.v] = true;
                    cnt[e.v]++;
                    if(cnt[e.v] > E) return false;
                    qu.push(Edge(e.v, d[e.v]));
                }
            }
        }
    }
    return true;
}

int main(void)
{
    int N, M;
    while(scanf("%d%d", &N, &M) != EOF) {
        for(int i = 0; i <= N; ++i) G[i].clear();
        memset(Hash, 0, sizeof(Hash));
        int E = 0, n = 0, u, v, w;
        char ch;
        for(int i = 0; i < M; ++i) {
            scanf(" %c", &ch);
            if(ch == 'P') {
                scanf("%d%d%d", &u, &v, &w);
                edge[E].v = v; edge[E].w = w;
                G[u].push_back(E);
                E++;
                edge[E].v = u; edge[E].w = -w;
                G[v].push_back(E);
                E++;
                Hash[n++] = u; Hash[n++] = v;
            } else {
                scanf("%d%d", &u, &v);
                edge[E].v = v; edge[E].w = 1;
                G[u].push_back(E);
                E++;
                Hash[n++] = u; Hash[n++] = v;
            }
        }
        sort(Hash, Hash+n);
        n = unique(Hash, Hash+n)-Hash;

        if(spfa(E, n)) printf("Reliable\n");
        else printf("Unreliable\n");
    }
    return 0;
}

 

 

电动汽车集群并网的分布式鲁棒优化调度模型(Matlab代码实现)内容概要:本文围绕“电动汽车集群并网的分布式鲁棒优化调度模型”展开,基于Matlab代码实现,旨在应对电动汽车大规模接入电网带来的不确定性挑战。通过构建分布式鲁棒优化模型,充分考虑电动汽车充电负荷的随机性与波动性,在保证电网安全稳定运行的前提下,优化调度方案以降低运行成本、提升能源利用效率。文中结合博士论文复现背景,详细阐述了模型构建、算法设计及仿真验证过程,并提供了完整的代码资源支持,体现了较强的理论深度与工程实践价值。此外,文档还列举了大量相关研究主题,涵盖微电网优化、需求响应、储能调度等多个方向,突出其在综合能源系统优化中的典型应用场景。; 适合人群:具备一定电力系统、优化理论及Matlab编程基础的研究生、科研人员及从事新能源并网、智能电网调度等相关领域的工程技术人员;尤其适合开展电动汽车调度、鲁棒优化建模等课题研究的高年级本科生与博士生。; 使用场景及目标:①复现并深入理解电动汽车集群并网的分布式鲁棒优化调度方法;②掌握Matlab在电力系统优化中的建模与求解技巧;③为科研论文撰写、课题申报及实际项目开发提供算法参考与代码基础;④拓展至其他分布鲁棒优化问题的研究与应用。; 阅读建议:建议结合提供的Matlab代码逐模块学习,重点理解目标函数构建、不确定集合设定、ADMM等分布式求解算法的实现逻辑。同时可参照文档中列出的相关案例进行对比分析,提升综合建模能力。注意区分集中式与分布式优化架构差异,加强对鲁棒性与计算效率平衡的理解。
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