Noip 备战篇(三)

【小K 的农场(farm)】 new oj 1750
题目大意:现在有若干个农场,每个农场里面有若干个作物,现在给你一些限制条件,具体是:

  • 如果每行的第一个数是1,接下来有三个整数a,b,c,表示农场a 比农场b 至少多种植了c 个单位的作物
  • 如果每行第一个数是2,接下来有三个整数a,b,c,表示农场a 比农场b 至多多种植了c 个单位的作物
  • 如果每行第一个数是3,接下来有两个整数a,b,表示农场a 种植的数量与b一样多

思路:

比较显然的查分约束系统。对于这张图里面的每一个联通块,只要判断一下有没有负环就可以了。但是有个坑爹的地方就是如果你spfa>n 才退出就会超时,所以用栈代替队列就可以比较快的找到负环。但是事实上只要>5退出就可以(不太科学)。

#include<iostream>
#include<cstdio>
#include<cstdlib>
#include<cmath>
#include<algorithm>
#include<string>
#include<cstring>
#include<queue>
using namespace std;
const int imax=10000+229;
const int bmax=2*imax;
const int inf=1000000229;
int n,m;
int num,head[imax],to[bmax],next[bmax],c[bmax];
bool flag[imax],ok[imax];

void add(int u,int v,int val){
    to[num]=v; next[num]=head[u]; c[num]=val; head[u]=num++;
}

void iread()
{
    scanf("%d%d",&n,&m);
    int f; int a,b,val;
    memset(head,-1,sizeof(head)); 
    for(int i=1;i<=m;i++)
    {
        scanf("%d",&f);
        if(f==1)
        {
             scanf("%d%d%d",&a,&b,&val);
             flag[a]=1; flag[b]=1;
             add(a,b,-val);
        }
        else if(f==2)
        {
            scanf("%d%d%d",&a,&b,&val);
            flag[a]=1; flag[b]=1;
            add(b,a,val); add(a,b,0);   
        }
        else
        {
            scanf("%d%d",&a,&b);
            flag[a]=1; flag[b]=1;
            add(a,b,0); add(b,a,0);
        }
    }   
}

int d[imax],cal[imax];
bool vis[imax];
queue<int> q;
bool spfa(int x)
{
    for(int i=1;i<=10000;i++) 
        { d[i]=inf; cal[i]=0; vis[i]=0; }
    d[x]=0; vis[x]=1;
    q.push(x);
    while(!q.empty())
    {
        int u=q.front();
        q.pop(); 
        vis[u]=0; ok[u]=1;
        cal[u]++;
        if(cal[u]>10) {return false;}
        for(int i=head[u];i!=-1;i=next[i])
        {
            if(d[to[i]]>d[u]+c[i])
            {
                d[to[i]]=d[u]+c[i];
                if(!vis[to[i]]) { vis[to[i]]=1; q.push(to[i]);} 
            }   
        } 
    }   
    return true;
}

void iwork()
{
    for(int i=1;i<=10000;i++)
        if(flag[i] && !ok[i])
        {
            if(!spfa(i)) { puts("No"); return; }    
        }   
    puts("Yes");
}

int main()
{
    iread();
    iwork();
    return 0;
}

【第二题就是仓库建设原题】

【小M 的作物(crop)】 new oj 1752

题目大意:
现在给你两个农场,以及一些作物。每个作物放在A会有一个价值,在B会有另一个价值。但是有一些作物在一起的话会有特殊的额外收益。所以现在求最大的收益。
(对于100%的数据,1 <= k< n(作物) <= 1000 ,0 < m(特殊组合) <=1000 保证所有数据及结果不超过2*10^9。)

思路

  • 一看就应该是网络流。关键是怎么建图。

  • 如果不考虑特殊的收益的话。可以只要建一排的点,然后从s->i连a[i], i->T连b[i],即可,这样求一个最小割就可以得出ans=all-Maxflow。因为每个点只会在一个集合之中,而最小割又能保证得出的是a[i]和b[i]中的Min。

  • 再次考虑特殊情况:可以这样建图,对于每一种特殊情况。只要建立相应的两个点,一个在左边,一个在右边。(A, B)A->B连一个a[i],B->T连一个,然后A向每个对应的作物连inf的边,每个对应作物向B连一条inf的边。这样再次进行最小割就可以了。
    (因为inf的边不可能成为割边,所以最小割的是a[i]和b[i]的边。)

#include<iostream>
#include<cstdio>
#include<cstdlib>
#include<cmath>
#include<algorithm>
#include<string>
#include<cstring>
#include<queue>
#define F(i,begin,end) for(int i=begin;i<=end;i++)
using namespace std;
const int imax=1000+229;
const int dmax=4000+229;
const int bmax=4000000+229;
const int inf=1000000229;
int n,m,k,a[imax],b[imax];
int num,head[dmax],to[bmax],re[bmax],next[bmax];
int ans,S,T;

void iadd(int u,int v,int flow){
    to[num]=v;  re[num]=flow;
    next[num]=head[u]; head[u]=num++;
}

void add(int u,int v,int flow){
    iadd(u,v,flow);
    iadd(v,u,0);
}

void iread()
{
    scanf("%d",&n);
    S=0; T=3229;
    memset(head,-1,sizeof(head));
    for(int i=1;i<=n;i++)
    {
         scanf("%d",&a[i]); ans+=a[i];
         add(S,1000+i,a[i]);
    }
    for(int i=1;i<=n;i++)
    {
         scanf("%d",&b[i]); ans+=b[i];
         add(1000+i,T,b[i]);     
    }

    scanf("%d",&m);
    int cl1,cl2;
    int now,now2;
    for(int i=1;i<=m;i++)
    {
        scanf("%d%d%d",&k,&cl1,&cl2);
        now=i;  
        now2=2000+i; ans+=(cl1+cl2);
        add(S,now,cl1); add(now2,T,cl2); 
        int x;
        for(int j=1;j<=k;j++) 
        {
            scanf("%d",&x);
            add(now,1000+x,inf);
            add(1000+x,now2,inf);
        }
    }       
}

int d[dmax];
queue<int> q;
bool BFS()
{
   memset(d,0,sizeof(d));
   q.push(S);
   d[S]=1;
   while(!q.empty())
   {
       int u=q.front();
       q.pop();
       for(int k=head[u];k!=-1;k=next[k])
       {
           if(re[k] && !d[to[k]])
           {
              d[to[k]]=d[u]+1;
              q.push(to[k]);        
           }        
       }        
   }
   return d[T]>0;    
}

int DFS(int x,int c)
{
   if(x==T || c==0) return c;
   int r=c,f;
   for(int k=head[x];k!=-1;k=next[k])
   {
        if(re[k] && d[to[k]]==d[x]+1)
        {
           f=DFS(to[k],min(re[k],r));
           r-=f; re[k]-=f;  re[k^1]+=f; 
           if(r==0) break;
        }       
   }    
    if(r==c) d[x]=0; // 当前节点无法继续增广;
    return c-r; 
}

void iwork()
{
    int kk=0;
    while(BFS()) { kk+=DFS(S,inf); }    
    printf("%d\n",ans-kk);
}

int main()
{
    iread();
    iwork();
    return 0;
}
内容概要:本文详细介绍了Maven的下载、安装与配置方法。Maven是基于项目对象模型(POM)的概念,用于项目管理和构建自动化的工具,能有效管理项目依赖、规范项目结构并提供标准化的构建流程。文章首先简述了Maven的功能特点及其重要性,接着列出了系统要求,包括操作系统、磁盘空间等。随后,分别针对Windows、macOS和Linux系统的用户提供了详细的下载和安装指导,涵盖了解压安装包、配置环境变量的具体操作。此外,还讲解了如何配置本地仓库和镜像源(如阿里云),以优化依赖项的下载速度。最后,给出了常见的错误解决方案,如环境变量配置错误、JDK版本不兼容等问题的处理方法。 适合人群:适用于初学者以及有一定经验的Java开发人员,特别是那些希望提升项目构建和依赖管理效率的技术人员。 使用场景及目标: ①帮助开发者掌握Maven的基本概念和功能特性; ②指导用户完成Maven在不同操作系统上的安装与配置; ③教会用户如何配置本地仓库和镜像源以加快依赖项下载; ④解决常见的安装和配置过程中遇到的问题。 阅读建议:由于Maven的安装和配置涉及多个步骤,建议读者按照文中提供的顺序逐步操作,并仔细检查每个环节的细节,尤其是环境变量的配置。同时,在遇到问题时,可参考文末提供的常见问题解决方案,确保顺利完成整个配置过程。
资源下载链接为: https://pan.quark.cn/s/abbae039bf2a 旅行商问题(Traveling Salesman Problem, TSP)是一种经典的组合优化问题,目标是找到一条最短路径,让推销员访问一系列城市后返回起点,且每个城市只访问一次。该问题可以转化为图论问题,其中城市是节点,城市间的距离是边的权重。遗传算法是一种适合解决TSP这类NP难问题的全局优化方法,其核心是模拟生物进化过程,包括初始化、选择、交叉和变异等步骤。 初始化:生成初始种群,每个个体(染色体)表示一种旅行路径,通常用随机序列表示,如1到18的整数序列。 适应度计算:适应度函数用于衡量染色体的优劣,即路径总距离。总距离越小,适应度越高。 选择过程:采用轮盘赌选择机制,根据适应度以一定概率选择个体进入下一代,适应度高的个体被选中的概率更大。 交叉操作:一般采用单点交叉,随机选择交叉点,交换两个父代个体的部分基因段生成子代。 变异操作:采用均匀多点变异,随机选择多个点进行变异,变异点的新值在预设范围内随机生成,以维持种群多样性。 反Grefenstette编码:为确保解的可行性,需将变异后的Grefenstette编码转换回原始城市序列,即对交叉和变异结果进行反向处理。 迭代优化:重复上述步骤,直至满足终止条件,如达到预设代数或适应度阈值。 MATLAB是一种强大的数值和科学计算工具,非常适合实现遗传算法。通过编写源程序,可以构建遗传算法框架,处理TSP问题的细节,包括数据结构定义、算法流程控制以及适应度计算、选择、交叉和变异操作的实现。遗传算法虽不能保证找到最优解,但在小规模TSP问题中能提供不错的近似解。对于大规模TSP问题,可结合局部搜索、多算法融合等策略提升解的质量。在实际应用中,遗传算法常与其他优化方法结合,用于解决复杂的调度和路径规划问题。
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