POJ 1325 Machine Schedule 二分图 最小点覆盖

本文探讨了在给定任务集和两台初始状态相同的机器的情况下,如何通过最小化状态切换次数来完成所有任务的过程。利用二分图模型和匈牙利算法解决最小点覆盖问题,实现高效的任务分配。

题目大意:有两台机器,分别有m,n个状态,最开始的时候都位于状态0,现在给定了k个任务,每个任务都可以在A的某一个状态或B的某一个状态运行,求问完成所有的任务所需的切换机器状态的总次数


机器的每一个状态用一个点表示,显然这是一个二分图,如果在每个任务指定的两个状态连一条线的话就可以用一条边代表这个任务,而让这个任务在某台机器上执行就是给这条边选择一个端点,每切换一次状态就是选择一个点,那么这道题就转化为了:求最少的顶点,使边集中的每一条边都与某个顶点关联,即求二分图的最小点覆盖

再由Konig定理,二分图的最小点覆盖数=最大匹配数,那么用匈牙利算法就可以解决了~

(顺便查了一下才知道原来Konig就是柯尼希啊~不知道这个定理和物理学的质点动能那个定理有啥关系没......)


关于匈牙利算法:

算法思想很简单,不断的找增广路,然后把路上的边取反(实际操作上改一下匹配的对应关系就可以了),直到找不到为止,实现起来也很容易

另外对于这道题,因为最开始两台机器的状态都是0,所以与0相连的边是不需要转换状态的,这些边当成不存在就好了


下面是具体的代码

#include <cstdio>
#include <cstring>
#include <cstdlib>
#include <ctype.h>
#define MAXN 300

int a[MAXN][MAXN]; // 邻接矩阵
int match[MAXN]; // 标记Y集中的顶点匹配的对象,未匹配为-1
int vis[MAXN]; // 在某一次访问的过程中Y集中的该点是否被访问
int nx, ny; // xy集元素的个数
int total; // 最大匹配数目

// 从X集中的v点出发,寻找一条增广路
// 如果能找到返回true
bool find(int v)
{
    // 枚举每一个y集中的点
    for (int i = 0; i < ny; ++i)
    {
        // 若这两点间存在边而且i点尚未访问
        if (a[v][i] && !vis[i])
        {
            vis[i] = 1;
            // 递归终点为match[i] = -1,即增广路的另一个端点
            // 若该点有匹配,查看是否存在从对应匹配点出发的增广路
            if (match[i] == -1 || find(match[i]))
            {
                match[i] = v; // 修改匹配对象
                return true;
            }
        }
    }
    return false;
}

// 读入整数
inline void scan(int &x)
{
    char c;
    while ((c = getchar()) && !isdigit(c));
    x = c - '0';
    while ((c = getchar()) && isdigit(c))
    {
        x = x * 10 + c - '0';
    }
}

// 图初始化
void init()
{
    int k;
    total = 0;
    memset(match, -1, sizeof(match));
    memset(a, 0, sizeof(a));
    scan(k);
    for (int i = 0; i < k; ++i)
    {
        int t, b, c;
        scan(t); scan(b); scan(c);
        if (b == 0 || c == 0)
            continue;
        a[b][c] = 1;
    }
}

int main()
{
    int t;

    while (1)
    {
        scan(nx);
        if (nx == 0)
            break;
        scan(ny);
        init();
        for (int i = 0; i < nx; ++i)
        {
            // 枚举每一个起点,重置访问标记
            // 若找到增广路则长度+1
            memset(vis, 0, sizeof(vis));
            if (find(i))
            {
                ++total;
            }
        }
        /*for (int i = 0; i < ny; ++i)
        {
            printf("%d: %d\n", i, match[i]);
        }*/
        printf("%d\n", total);
    }
    return 0;
}


### 关于二分图最小覆盖算法实现 #### 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