最短路(4)--差分约束

差分约束的实质就是把多种约束连起来,比如x-y <= a和y-z <= b,把他们连起来就成了x-z <= a+b,这样很容易就可以想到把x-y看成一条由x指向y,权值为a的边,那么对于一堆约束条件,就可以转化为求最短路或最长路的问题


对于不同的一堆约束条件,有:

  1. 如果约束条件形如x-y <= a,则实际问题为求差的最大值,操作是求最短路
  2. 如果约束条件形如x-y >= a,则实际问题为求差的最小值,操作是求最长路

    (此处较难理解,需要用到数学中交并集的知识)

    解释:
    对于一堆约束条件建立的如下的图:这里写图片描述
    两种约束条件原理类似,拿<=举例:
    可见,算出1和3的关系有两钟解,一种是<=4, 另一种是<=3,但是,因为要满足所有的约束条件,所以对于1和3的最大差值,只能取两个取值范围的交集,即<=3,这就使最短路

举例:POJ3159(模板题)

*题目大意:

把糖分给n个小朋友,总共有m个约束条件,表示编号为i,j的小朋友之间分到的糖果数之差不大于一个值,求分完后第n个小朋友和第1个小朋友之间的最大差值*

完全是模板题,直接上代码(SPFA)
这道题是我做过的最恶心的一道题,不能用queue,只能用stack就不说啥了,竟然连cin都不能用,只能用scanf。。。。白白浪费了我一个小时的时间,气的我想当场砸电脑

//poj3159
#include<cstdio>
#include<queue>
#include<stack>
#include<cstdlib>
#include<iostream>
#include<algorithm>
using namespace std;
const int MAXN = 30000 + 10;
const int MAXM = 150000 + 10;
const int INF = 0x3f3f3f3f;
int n, m;
stack<int> q;
int d[MAXN], vis[MAXN];

struct edge      
{
    int to, next, w;
} e[MAXM];
int head[MAXN], cnt;
void add(int u, int v, int w)
{
    e[++cnt].next = head[u];
    head[u] = cnt;
    e[cnt].to = v; 
    e[cnt].w = w;
}

int main()
{
    scanf("%d%d",&n,&m);
    for(int i = 1; i <= m; i++)
    {
        int u, v, w;
        scanf("%d%d%d",&u,&v,&w);
        add(u, v, w);
    }

    for(int i = 1; i <= n; i++)
        d[i] = INF;
    d[1] = 0;
    q.push(1); vis[1] = 1;

    while(!q.empty())
    {
        int u = q.top(); 
        int v, w;
        q.pop(); 
        vis[u] = 0;
        for(int i = head[u]; i; i = e[i].next)
        {
            v = e[i].to;
            w = e[i].w;
            if(d[v] > d[u] + w)
            {
                d[v] = d[u] + w;
                if(!vis[v]) {q.push(v); vis[v] = 1;}
            }
        }

    }

    printf("%d\n",d[n]);
    return 0;
}
### 差分约束系统求解短路径问题 差分约束系统是一种特殊的线性规划问题,可以通过将其转换为图论中的单源短路径问题来高效求解。以下是具体的实现方式: #### 转化为图模型 差分约束系统的每个变量 \( x_i \) 对应于图中的一个节点。对于每一个约束条件 \( x_j - x_i \leq b_k \),可以在图中添加一条从节点 \( i \) 到节点 \( j \) 的有向边,其权重为 \( b_k \)[^2]。 为了确保所有节点都能被访问到,通常引入一个新的超级源点 \( s \),并从 \( s \) 向所有其他节点连一条权重为 0 的边[^3]。 #### 使用 Bellman-Ford 或 SPFA 算法 一旦构建好上述图结构,就可以通过运行 Bellman-Ford 算法或更高效的 SPFA 算法来计算从超级源点 \( s \) 出发到达各节点的短路径距离。这些距离值实际上对应着满足差分约束的一组可行解。 如果在执行过程中检测到了负权回路,则说明该差分约束系统无解;否则,得到的距离数组即为所需的结果[^5]。 下面是一个基于 Python 的简单实现示例: ```python from collections import deque, defaultdict def spfa(graph, n): dist = [float('inf')] * (n + 1) in_queue = [False] * (n + 1) queue = deque() # 初始化起点 queue.append(0) dist[0] = 0 in_queue[0] = True while queue: u = queue.popleft() in_queue[u] = False for v, w in graph[u]: if dist[v] > dist[u] + w: dist[v] = dist[u] + w if not in_queue[v]: queue.append(v) in_queue[v] = True return dist # 构建图的例子 n = 5 # 假设有5个变量加上虚拟起点共6个节点 graph = defaultdict(list) # 添加一些约束条件作为边 constraints = [ (1, 2, 3), # 表示x2 - x1 <= 3 (2, 3, 1), # 表示x3 - x2 <= 1 (3, 4, 2), # 表示x4 - x3 <= 2 ] for a, b, c in constraints: graph[a].append((b, c)) # 加入虚拟起点指向各个实际点的零权边 for node in range(1, n+1): graph[0].append((node, 0)) distances = spfa(graph, n) print(distances[1:]) # 输出除虚拟起点外的实际变量解 ``` 以上代码展示了如何利用 SPFA 来解决由若干差分不等式构成的约束系统,并获得相应的短路径解答。
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