hdu1150 Machine Schedule(最小点覆盖)

本文探讨了一个特定的计算机科学问题,通过构建二分图并利用最大匹配算法来寻找最小点覆盖集合,从而解决两个不同机器加工零件的最佳方案,确保所有零件都能被加工且转换成本最低。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

#include <iostream>
#include <stdio.h>
#include <math.h>
#include <algorithm>
#include <queue>
#include <stack>
#include <vector>
#include <string>
#include <string.h>
#include <map>
#include <set>
using namespace std;
/*
   题意:有2台机器加工零件,第一台有n种工作模式(n0,n1,n2...),第二台有m种工作模式(M0,M1,M2...)初始状态都在0状态,
   现在要加工k个零件 输入(i,x,y)意思就是第i个零件可以有第一台机器的x模式做或者第二台机器的y模式做,零件的加工顺序可以任意
   但,改变机器的状态需要花费1. 要求加工完零件需要的最小花费.
   
   分析:可以看出这道题是图论,有点像二分图,但是怎么建边?按加工的零件和两台机器建边显然不合理,
   分析可以知道,加工一个零件,要么选第一台机器的模式,要么选第二台机器的模式,选了一台就不能选第二台。
   可以想到按两台机器建边。加工一个工件用到的种模式就再这两种模式之间建边,这明显是二分图。可以想到最大二分匹配。
   但是和这道题有什么关联呢?分析发现,假设选了A机器的一种模式,则在B机器中对应加工这个零件的模式就不能选,意思就是
   这两种模式的边被覆盖了,要加工完零件,则需要把所有的边都覆盖完,这不就是最小点覆盖问题吗,它又等于最大二分匹配,
   所以要求的就是这个图的最大二分匹配,最后在注意零点模式,因为机器处于零状态,所以,连接两台机器零点的边都可以忽略不计
   否则会多算。
*/
int mat[100][100];
int v[110],p[110];
int n,m;
int match(int i)
{
    int j;
    for(j=1;j<m;j++)
    {
        if(v[j]==-1&&mat[i][j])
        {
            v[j]=1;
            if(p[j]==-1||match(p[j]))
            {
                p[j]=i;
                return 1;
            }
        }
    }
    return 0;
}
int hungry()
{
    int re=0;
    memset(p,-1,sizeof p);
    for(int i=1;i<n;i++)//由于机器初始状态在0,所以去掉0点
    {
        memset(v,-1,sizeof v);
        if(match(i))
        {
            re++;
        }
    }
    return  re;
}
int main()
{
    int k,x,y;
    int i,id;
    while(scanf("%d",&n)!=EOF)
    {
        if(n==0)break;
        scanf("%d%d",&m,&k);
        memset(mat,0,sizeof mat);
        for(i=1;i<=k;i++)
        {
            scanf("%d%d%d",&id,&x,&y);
            mat[x][y]=1;
        }
        int ans=hungry();
//        if(mat[0][0])
//            printf("%d\n",ans-1);
         printf("%d\n",ans);

    }
    return 0;
}

内容概要:文章介绍了DeepSeek在国内智能问数(smart querying over data)领域的实战应用。DeepSeek是一款国内研发的开源大语言模型(LLM),具备强大的中文理解、推理和生成能力,尤其适用于企业中文环境下的智能问答、知识检索等。它具有数据可控性强的特,可以自部署、私有化,支持结合企业内部数据打造定制化智能问数系统。智能问数是指用户通过自然语言提问,系统基于结构化或非结构化数据自动生成精准答案。DeepSeek在此过程中负责问题理解、查询生成、多轮对话和答案解释等核心环节。文章还详细展示了从问题理解、查询生成到答案生成的具体步骤,并介绍了关键技术如RAG、Schema-aware prompt等的应用。最后,文章通过多个行业案例说明了DeepSeek的实际应用效果,显著降低了数据使用的门槛。 适合人群:从事数据分析、企业信息化建设的相关从业人员,尤其是对智能化数据处理感兴趣的业务和技术人员。 使用场景及目标:①帮助业务人员通过自然语言直接获取数据洞察;②降低传统BI工具的操作难度,提高数据分析效率;③为技术团队提供智能问数系统的架构设计和技术实现参考。 阅读建议:此资源不仅涵盖了DeepSeek的技术细节,还提供了丰富的实战案例,建议读者结合自身业务场景,重关注DeepSeek在不同行业的应用方式及其带来的价值。对于希望深入了解技术实现的读者,可以进一步探索Prompt工程、RAG接入等方面的内容。
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