差分约束的简单总结

差分约束  在数学上  更多被称为线性规划

作为线性规划的一种特殊情况


“差分”即意味两个变量作差

“约束”则意味这个差  满足一些条件


比如  等于某个值   或   大于某个值   或   小于某个值

例 a - b >= x1

    b - c <= x2

    a - c == x3


而这类问题在计算机中  也一般只会要求你输出  第i个变量与第j个变量       的差    最大是多少    最小是多少

—————————————分界线———————————————

对于   大于等于小于  三种情况    在竞赛中不容易直接让电脑理会并得出需要的结果


差分约束   则是通过  将(不)等式转化为图论中的最短(长)路问题


类比    a - b >= x1       与          dis[a] - dis[b] >= x1            ==>        dis[a] >= dis[b] + x1

            b - c <= x2                   dis[b] - dis[c] <= x2            ==>        dis[c] >= dis[b] + (-x2)

            a - c == x3                   dis[a] - dis[c] <= x3                            dis[c] >= dis[a] + (-x3)

                                                 dis[a] - dis[c] >= x3                            dis[a] >= dis[c] + x3

                (1)                                         (2)                                                        (3)

——————————————分界线——————————————

如上  将(1)        最终转化成了          (3)

而(3)   则可以通过指定一点的dis为0   (例如  规定dis[a] = 0)

        然后从这个点开始求单源最长路 

        对于dis[c] >= dis[b] + (-x2)   则可以加一条边  从b到c   边权为-x2

        因为对于最长路   如果i能转移到j      一定有dis[j] >= dis[i] + w[i][j]  

        所以这样求出来的单源最长路一定是满足所有式子


1                但是有可能最后求出来   目标点的dis没有被赋值  

                    则说明从起点开始的约束    无法涉及到目标点

                  即目标点的值与起点的值   没有任何关系  可以为任意值

                

 2               也有可能有一个正环       导致死循环 

                    有正环则说明这一组式子不可满足   例如(a > b + 1   b > a + 1)

                

____________________________分界线_________________________________________

对于1情况   最终只需要看看dis[final]是不是初始状态就能判断

对于2情况   则限制了求最短(长)路只能用spfa     (dij不能有负环)

                    对于一次spfa   若某个点被访问了N次  则一定有环   (自证不难)便可由此判断


ps :  将上文的(3)组式子也可以改写成 a <= b + x的形式    那么就需要求单源最短路 

                                 因为最短路转移维护了   dis[v] <= dis[u] + x




来几道例题练练手吧

    poj3169        hdu3440        


再来一道不是那么好建图的。。          poj1275  

        (其实差分约束主要就难在建图。。)

                                        

            

先展示下效果 https://pan.quark.cn/s/5061241daffd 在使用Apache HttpClient库发起HTTP请求的过程中,有可能遇到`HttpClient`返回`response`为`null`的现象,这通常暗示着请求未能成功执行或部分资源未能得到妥善处理。 在本文中,我们将详细研究该问题的成因以及应对策略。 我们需要掌握`HttpClient`的运作机制。 `HttpClient`是一个功能强大的Java库,用于发送HTTP请求并接收响应。 它提供了丰富的API,能够处理多种HTTP方法(例如GET、POST等),支持重试机制、连接池管理以及自定义请求头等特性。 然而,一旦`response`对象为`null`,可能涉及以下几种情形:1. **连接故障**:网络连接未成功建立或在请求期间中断。 需要检查网络配置,确保服务器地址准确且可访问。 2. **超时配置**:若请求超时,`HttpClient`可能不会返回`response`。 应检查连接和读取超时设置,并根据实际需求进行适当调整。 3. **服务器故障**:服务器可能返回了错误状态码(如500内部服务器错误),`HttpClient`无法解析该响应。 建议查看服务器日志以获取更多详细信息。 4. **资源管理**:在某些情况下,如果请求的响应实体未被正确关闭,可能导致连接被提前释放,进而使后续的`response`对象为`null`。 在使用`HttpClient 3.x`版本时,必须手动调用`HttpMethod.releaseConnection()`来释放连接。 而在`HttpClient 4.x`及以上版本中,推荐采用`EntityUtils.consumeQuietly(respons...
差分约束系统中,虽然标准解法是使用 **SPFA** 或 **Bellman-Ford** 算法来求解,但这两种算法实现相对复杂,尤其是要处理图结构、负权边、负环等问题。 如果你希望一个 **更简单、易实现、适合特定场景的算法**,我们可以考虑使用 **差分约束系统的简化版本 —— 差分数组** 或 **拓扑排序 + 动态规划** 的方法。 --- ## ✅ 一、差分数组法(适用于一维差分约束) ### 适用场景: - 所有变量是线性排列的(如 $ x_1, x_2, ..., x_n $) - 约束形式为: $$ x_i - x_{i-1} \leq c $$ 或 $$ x_{i-1} - x_i \leq c $$ ### 核心思想: 这种形式的差分约束可以转换为差分数组问题。我们设定: - $ d_i = x_i - x_{i-1} $ - 然后将所有约束转化为对 $ d_i $ 的限制 ### 示例代码(求满足所有差分约束下的最小解): ```cpp #include <iostream> #include <vector> #include <climits> using namespace std; int main() { int n, m; cin >> n >> m; vector<int> diff(n + 1, 0); // d[1..n] vector<int> min_val(n + 2, 0); // x[0..n] // 假设有 m 个形如 x_i - x_{i-1} <= c 的约束 for (int i = 0; i < m; ++i) { int l, r, c; cin >> l >> r >> c; // x_r - x_l <= c => x_l + ... >= x_r - c // 可以看作差分约束的一种形式 diff[r] = min(diff[r], c + x[l] - x[r]); } // 从 x[0] = 0 开始递推 for (int i = 1; i <= n; ++i) { min_val[i] = min_val[i - 1] + diff[i]; } for (int i = 1; i <= n; ++i) { cout << "x[" << i << "] = " << min_val[i] << endl; } return 0; } ``` --- ## ✅ 二、拓扑排序 + 动态规划(适用于 DAG) ### 适用场景: - 所有变量之间的约束构成一个 **有向无环图(DAG)** - 所有不等式可以转换为: $$ x_i \leq x_j + c $$ ### 核心思想: - 构造图:$ j \rightarrow i $,权值为 $ c $ - 使用拓扑排序 + 动态规划求最长路径(因为 $ x_i \leq x_j + c $ 实际是求最长路径的约束) ### 示例代码: ```cpp #include <iostream> #include <vector> #include <queue> using namespace std; const int MAXN = 100010; vector<pair<int, int>> graph[MAXN]; // u -> v, weight int in_degree[MAXN]; int dist[MAXN]; int main() { int n, m; cin >> n >> m; for (int i = 0; i < m; ++i) { int u, v, w; cin >> u >> v >> w; graph[u].push_back({v, w}); in_degree[v]++; } // 拓扑排序 queue<int> q; for (int i = 1; i <= n; ++i) { if (in_degree[i] == 0) { q.push(i); } dist[i] = 0; // 初始值设为 0 } while (!q.empty()) { int u = q.front(); q.pop(); for (auto e : graph[u]) { int v = e.first, w = e.second; if (dist[v] < dist[u] + w) { dist[v] = dist[u] + w; } in_degree[v]--; if (in_degree[v] == 0) q.push(v); } } // 输出所有变量的值 for (int i = 1; i <= n; ++i) { cout << "x[" << i << "] = " << dist[i] << endl; } return 0; } ``` --- ## ✅ 三、总结对比 | 方法 | 适用范围 | 是否简单 | 是否通用 | |------|-----------|----------|-----------| | Bellman-Ford / SPFA | 通用,适用于任意差分约束 | ❌ 稍复杂 | ✅ 是 | | 差分数组 | 仅适用于一维差分形式 | ✅ 简单 | ❌ 否 | | 拓扑排序 + 动态规划 | 适用于 DAG 构成的差分约束 | ✅ 简单 | ❌ 否 | --- ## ✅ 四、如何选择? - 如果变量是线性排列的,约束是相邻变量之间的差,使用 **差分数组** - 如果变量之间的依赖关系是 DAG,使用 **拓扑排序 + 动态规划** - 否则,使用 **SPFA / Bellman-Ford** ---
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