sgu234:Black-White King Strikes Back(二分图匹配)

二分图匹配与守卫放置
本文介绍了一个关于二分图匹配的经典问题——在给定的矩阵中放置尽可能多的守卫,同时确保任意两个守卫不相邻。通过转换为最小点覆盖问题并采用特定算法求解,最后输出了最优的守卫放置方案。

题目大意:
       给定 n,m(1<=n,m<=200) 和一个 nm 的矩阵。矩阵由 0 1组成, 0 表示障碍,1表示可以放守卫。问题是要求一种放置守卫的方案使得守卫最多(如多解任意输出一种)。守卫放置必须满足任意 2 个守卫不能相邻(上下左右)。

分析:
      就是一个裸的二分图匹配模型,问题在输出方案上。
       因为最大点独立集和最小点覆盖是互补的,我们可以按最小点覆盖的操作反着来,具体参考 matrix67 的博客:http://www.matrix67.com/blog/archives/116

AC code:

#include <cstdio>
#include <cstring>
#define ONLINE_JUDGE
using namespace std;

const int MAXN = 209;

int n, m;
int g[MAXN][MAXN];
int dx[4] = {1,-1,0,0};
int dy[4] = {0,0,1,-1};
int vis[MAXN][MAXN], cur;
int lx[MAXN][MAXN], ly[MAXN][MAXN];
int ans;

#define inside(x, y) ((x) >= 1 && (x) <= n && (y) >= 1 && (y) <= m) 

int dfs(int x, int y)
{
    int tx, ty;
    for(int i = 0; i < 4; ++i)
    {
        tx = x+dx[i], ty = y+dy[i];
        if(inside(tx, ty) && vis[tx][ty] != cur && g[tx][ty])
        {
            vis[tx][ty] = cur;
            if(!lx[tx][ty] || dfs(lx[tx][ty], ly[tx][ty]))
            {
                lx[tx][ty] = x, ly[tx][ty] = y;
                lx[x][y] = tx, ly[x][y] = ty;
                return 1;   
            }
        }
    }
    return 0;
}

void dfs2(int x, int y)
{
    int tx, ty;
    vis[x][y] = 1, g[x][y] = 2;
    for(int i = 0; i < 4; ++i)
    {
        tx = x+dx[i], ty = y+dy[i];
        if(inside(tx, ty) && !vis[tx][ty] && g[tx][ty])
        {
            vis[tx][ty] = 1;
            if(lx[tx][ty] && !vis[lx[tx][ty]][ly[tx][ty]])
                dfs2(lx[tx][ty], ly[tx][ty]);
        }
    }
}

int main()
{
    #ifndef ONLINE_JUDGE
    freopen("sgu234.in", "r", stdin);
    freopen("sgu234.out", "w", stdout);
    #endif

    scanf("%d%d", &n, &m);
    for(int i = 1; i <= n; ++i)
        for(int j = 1; j <= m; ++j)
        {
            scanf("%d", &g[i][j]);
            ans += g[i][j];
        }
    for(int i = 1; i <= n; ++i)
        for(int j = 1; j <= m; ++j)
            if(!((i+j)&1) && g[i][j])
                cur++, ans -= dfs(i, j);
    printf("%d\n", ans);
    memset(vis, 0, sizeof(vis));
    for(int i = 1; i <= n; ++i)
        for(int j = 1; j <= m; ++j)
            if(g[i][j] && !lx[i][j] && !vis[i][j])
                dfs2(i, j);
    for(int i = 1; i <= n; ++i)
    {
        for(int j = 1; j <= m; ++j)
            if(!g[i][j]) putchar('#');
            else if(g[i][j] == 2 || (!((i+j)&1) && !vis[i][j])) putchar('G');
            else putchar('.');
        putchar('\n');
    }

    #ifndef ONLINE_JUDGE
    fclose(stdin);
    fclose(stdout);
    #endif
    return 0;
}
内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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