差分约束

【图论】差分约束算法详解 详解差分约束算法解题过程中的注意事项 阅读详情

看了网上一下内容,整理出来供大家参考,其实想想最小值怎么写,求最大值怎么写,这个我觉得蛮有意思的。

1.问题定义

    差分约束系统属于线性规划问题。在一个差分约束系统中,线性规划矩阵A的每一行包含一个1和一个-1,A的所有其他元素都为0。因此,由Ax≤b给出的约束条件是m个差分约束集合,其中包含n个未知元。每个约束条件为如下形式的简单线性不等式:xj-xi≤bk(1≤i, j≤n,1≤k≤m)。如下图5维向量x满足8个不等式的差分约束,我们可以把未知量x1,x2,x3,x4,x5化为如下8个不等式:

我们可以发现当x=(x1,x2,…,xn)是差分约束系统Ax≤b的一个解,d为任意常数。则x+d=(x1+d,x2+d,…,xn+d)也是该系统Ax≤b的一个解。因此这个不等式组要么无解,要么就有无数组解。

 

2.解决方案

    求解差分约束系统,可以转化成图论的单源最短路径问题。观察xj-xi<=bk,会发现它类似最短路中的三角不等式d[v] <= d[u] +w[u,v],即d[v] - d[u] <=w[u,v]。因此,以每个变量xi为结点,对于约束条件xj-xi<=bk,连接一条边E(i,j),边权为bk。求单源最短路径,必须有一个源点,然后再求这个源点到其他所有点的最短路径,我们可以增加一个原点s与所有其他点相连,边权均为0,xi - x0 <= 0。上图中的不等式于是转化为下图中的有向图:



    下面介绍解决差分约束问题的方法:Bellman-Ford算法。Bellman-Ford算法是用来解决有向图中存在负权边的单源最短路径问题的。

①将除源点外的所有顶点的最短距离估计值,即d[v] = +∞, d[s] = 0;

②反复对边集E中的每条边进行松弛操作,使得顶点集V中的每个顶点v的最短距离估计值逐步逼近其最短距离;

③判断边集E中的每一条边的两个端点是否收敛。如果存在未收敛的顶点,则算法返回false,表明问题无解;否则算法返回true,问题有解,并且从源点可到达的顶点v的最短距离保存在d[v]中。

算法伪代码如下:

Bellman-Ford()
{
   for each vertex v ∈ G do             //初始化

         d[v] = +∞

   d[s] = 0

  

   for i = 1 to n-1 do

      for each edge(u, v) ∈ G do

         if d[v] > d[u] + w(u, v) then   //松弛操作

            d[v] = d[u] + w(u, v)

 

   for each edge(u, v) ∈ G do

       if d[v] > d[u] + w(u, v) then    //检查是否存在回路

          return false

   return true

 }

图中任意一条最短路径既不能包含负权回路,也不会包含正权回路,所以最多包含n-1条边,从源点s出发每进行一遍松弛操作时,多生成了了从s出发层次为1的树,而最短边路径最多为n-1,故只需要循环n-1次。最后计算的d[v]即为差分不等式的一组解。

 

3.算法优化

    Bellman-Ford算法的时间复杂度为O(VE),一种方法是我们引入SPFA算法作为其优化算法,也就是进行队列优化,初始化时将源s加入队列每次从队列中取出一个元素,并且对所有与之相邻的点进行松弛,若某个相邻的点松弛成功,则将其入队,直到队列为空时SPFA算法结束。SFPA的期望时间复杂度为O(KE)[己考证,证明不严密,最坏情况和Dijkstra差不多],期望的常数K一般不会超过2。另一种优化是Yen优化,将图中的点随机的进行标记序号v1,v2,vi...,则分为两类边集合:                                   

进行松驰时,先按vi的升序只找Ef边进行松弛,然后再按vi的降序只对Eb边进行松弛,可以优化为常数时间,复杂度仍为O(VE)[己考证]。

 

POJ 1201

本题的题意是给了我们一些区间,然后告诉每个区间中至少需要取Ci个数。求出满足n个条件的集合C的最少的元素个数。

首先第一个转化,是找到一个合理的表示。用ti表示每一个数,如果有用就是1,否则是0。吧S(i+1)定义成S(i+1)=sigma(tj)(1<=j<=i)也就是。S[i+1]表示从0到i有多少个数是需要的。

因此,题目中的条件可以表示成S[bi+1]>=S[ai]+Ci//至少要Ci个

D[v]>=D[u]+w(u,v)

上式对任何u成立,所以v应该是里面最大的,若D[v]<D[u]+w(u,v)则D[v]=D[u]+w(u,v)

于是。可以从ai和bi+1连一条线,它的长度是ci

这里只有这些条件还是不够的,还要加上两个使其满足整数性质的条件

1>=s[i+1]-s[i]>=0

有了这么多条件,使其自然构成了一个差分约束系统。

用spfa算法得到一个最长路,第一个到最后一个节点的最长路即是需要求的值。

 

 

 

节点i还有一条边指向i+1,权值为1,一条边指向i-1权值为-1

 

 

#include<iostream>

#include<cstdio>

#include<cstring>

#include<vector>

#include<queue>

using namespace std;

const int MAXN =50005;

struct node{

    int w;

    int v;

    node(int ww= 0,int vv = 0){

        w = ww;

        v = vv;

    }

};

const int INF = -9999;

int dis[MAXN];

vector<node>  a[MAXN];

int maxs,mins;

void spfa(){

    boolvisit[MAXN];

    memset(visit,false,sizeof(visit));

    for(int i = mins;i<=maxs;i++)dis[i] = INF;

    queue<int>qe;

    qe.push(mins);

    visit[mins] = 1;

    dis[mins] = 0;

    while(!qe.empty()){

        int cur= qe.front();

        qe.pop();

        visit[cur] = false;

        int s =a[cur].size();

        for(int i = 0;i<s;i++){

            if(dis[cur]>dis[a[cur][i].v]-a[cur][i].w){

                dis[a[cur][i].v] =dis[cur]+a[cur][i].w;

                if(!visit[a[cur][i].v]){

                    visit[a[cur][i].v] = true;

                    qe.push(a[cur][i].v);

                }

            }

        }

    }

}

int main()

{

    int n;

    maxs =0;

    mins = 99999;

    scanf("%d",&n);

    while(n--){

        intv,u,w;

        scanf("%d%d%d",&u,&v,&w);

        a[u].push_back(node(w,v+1));

        if(maxs<v)maxs= v;

        if(mins>u)mins= u;

    }

    maxs++;

    for(int i = mins;i<=maxs;i++){

        a[i].push_back(node(0,i+1));

        a[i+1].push_back(node(-1,i));

    }

    spfa();

    printf("%d\n",dis[maxs]);

    return 0;

}

 

 

 

 

最短路或者最长路如何区分:

 

 

(本文假设读者已经有以下知识:最短路径的基本性质、Bellman-Ford算法。)
    比如有这样一组不等式:
   

     X1 - X2 <= 0
     X1 - X5 <= -1
     X2 - X5 <= 1
     X3 - X1 <= 5
     X4 - X1 <= 4
     X4 - X3 <= -1
     X5 - X3 <= -3
     X5 - X4 <= -3

不等式组(1)


    全都是两个未知数的差小于等于某个常数(大于等于也可以,因为左右乘以-1就可以化成小于等于)。这样的不等式组就称作差分约束系统。
    这个不等式组要么无解,要么就有无数组解。因为如果有一组解{X1, X2, ..., Xn}的话,那么对于任何一个常数k,{X1+ k, X2 + k, ..., Xn + k}肯定也是一组解,因为任何两个数同时加一个数之后,它们的差是不变的,那么这个差分约束系统中的所有不等式都不会被破坏。
    
    差分约束系统的解法利用到了单源最短路径问题中的三角形不等式。即对于任何一条边u -> v,都有:

d(v) <= d(u) + w(u, v)


    其中d(u)和d(v)是从源点分别到点u和点v的最短路径的权值,w(u, v)是边u -> v的权值。
    显然以上不等式就是d(v) - d(u) <= w(u,v)。这个形式正好和差分约束系统中的不等式形式相同。于是我们就可以把一个差分约束系统转化成一张图,每个未知数Xi对应图中的一个顶点Vi,把所有不等式都化成图中的一条边。对于不等式Xi - Xj <= c,把它化成三角形不等式:Xi <= Xj + c,就可以化成边Vj -> Vi,权值为c。最后,我们在这张图上求一次单源最短路径,这些三角形不等式就会全部都满足了,因为它是最短路径问题的基本性质嘛。
    话说回来,所谓单源最短路径,当然要有一个源点,然后再求这个源点到其他所有点的最短路径。那么源点在哪呢?我们不妨自已造一个。以上面的不等式组为例,我们就再新加一个未知数X0。然后对原来的每个未知数都对X0随便加一个不等式(这个不等式当然也要和其它不等式形式相同,即两个未知数的差小于等于某个常数)。我们索性就全都写成Xn - X0 <= 0,于是这个差分约束系统中就多出了下列不等式:
    

      X1 - X0 <= 0
      X2 - X0 <= 0
      X3 - X0 <= 0
      X4 - X0 <= 0
      X5 - X0 <= 0

不等式组(2)


    对于这5个不等式,也在图中建出相应的边。最后形成的图如下:


图1

    图中的每一条边都代表差分约束系统中的一个不等式。现在以V0为源点,求单源最短路径。最终得到的V0到Vn的最短路径长度就是Xn的一个解啦。从图1中可以看到,这组解是{-5, -3, 0, -1, -4}。当然把每个数都加上10也是一组解:{5, 7, 10, 9, 6}。但是这组解只满足不等式组(1),也就是原先的差分约束系统;而不满足不等式组(2),也就是我们后来加上去的那些不等式。当然这是无关紧要的,因为X0本来就是个局外人,是我们后来加上去的,满不满足与X0有关的不等式我们并不在乎。
    也有可能出现无解的情况,也就是从源点到某一个顶点不存在最短路径。也说是图中存在负权的圈。这一点我就不展开了,请自已参看最短路径问题的一些基本定理。

    其实,对于图1来说,它代表的一组解其实是{0, -5, -3, 0, -1, -4},也就是说X0的值也在这组解当中。但是X0的值是无可争议的,既然是以它作为源点求的最短路径,那么源点到它的最短路径长度当然是0了。因此,实际上我们解的这个差分约束系统无形中又存在一个条件:

    X0 = 0


    也就是说在不等式组(1)、(2)组成的差分约束系统的前提下,再把其中的一个未知数的值定死。这样的情况在实际问题中是很常见的。比如一个问题表面上给出了一些不等式,但还隐藏着一些不等式,比如所有未知数都大于等于0或者都不能超过某个上限之类的。比如上面的不等式组(2)就规定了所有未知数都小于等于0。
    
    对于这种有一个未知数定死的差分约束系统,还有一个有趣的性质,那就是通过最短路径算法求出来的一组解当中,所有未知数都达到最大值。下面我来粗略地证明一下,这个证明过程要结合Bellman-Ford算法的过程来说明。
    假设X0是定死的;X1到Xn在满足所有约束的情况下可以取到的最大值分别为M1、M2、……、Mn(当然我们不知道它们的值是多少);解出的源点到每个点的最短路径长度为D1、D2、……、Dn。
    基本的Bellman-Ford算法是一开始初始化D1到Dn都是无穷大。然后检查所有的边对应的三角形不等式,一但发现有不满足三角形不等式的情况,则更新对应的D值。最后求出来的D1到Dn就是源点到每个点的最短路径长度。
    如果我们一开始初始化D1、D2、……、Dn的值分别为M1、M2、……、Mn,则由于它们全都满足三角形不等式(我们刚才已经假设M1到Mn是一组合法的解),则Bellman-Ford算法不会再更新任合D值,则最后得出的解就是M1、M2、……、Mn。
    好了,现在知道了,初始值无穷大时,算出来的是D1、D2、……、Dn;初始值比较小的时候算出来的则是M1、M2、……、Mn。大家用的是同样的算法,同样的计算过程,总不可能初始值大的算出来的结果反而小吧。所以D1、D2、……、Dn就是M1、M2、……、Mn。
    
    那么如果在一个未知数定死的情况下,要求其它所有未知数的最小值怎么办?只要反过来求最长路径就可以了。最长路径中的三角不等式与最短路径中相反:

d(v) >= d(u) + w(u, v) 
也就是 d(v) - d(u) >= w(u, v)


    所以建图的时候要先把所有不等式化成大于等于号的。其它各种过程,包括证明为什么解出的是最小值的证法,都完全类似。

 

 

总之求最大值就化成>=,求最小值就化为<=

 

cuda安装时出现错误 Unable to locate package cuda-toolkit-12-4 阅读详情

相关推荐

医疗AI新思路:为什么Graph Neural Network能改善气道分割的漏检问题?

本文探讨了Graph Neural Network(GNN)在医疗AI领域改善气道分割漏检问题的创新应用。通过分析3D UNet等传统方法的局限性,揭示了GNN在图结构建模中的独特优势,特别是在捕捉细小末梢支气管方面的突破性表现。文章详细介绍了UNet-GNN混合架构的设计原理、实验性能对比及优化方向,为CT影像分析提供了新思路。

weixin_30379531的博客 224

POJ-2983 用Bellman-Ford求解差分约束..

差分约束就是一推 a1-a2&lt;=k1 a2-a3&lt;=k2 a3-a1&lt;=k3 ..... 之类的不等式组...求解差分约束也就是求解其中的一个解...如果能得到一组解..那么所有的数加同一个数那么不等式显然是成立的...也就是每个数可以取到任意值..那就确定一个数,来求出一组解..假设先给 a[ s] 一个初值...d [ s ] [ v ] 代表当 a [ s ...

huobengle 152

六自由度机器人(机械臂)运动学建模及运动规划系列(四)——轨迹规划

本篇介绍了六轴机器人关节空间以及笛卡尔空间轨迹规划的简单方法,并给出了一种几何解法,以简化规划过程,并提供了简单的Matlab轨迹规划函数介绍。

weixin_47849087的博客 5万+

Layout·差分约束系统 Bellman_Ford SPFA

Layout题目信息输入输出测试样例提示来源解答方法一·Bellman_Ford方法二·SPFA想法 题目信息 Like everyone else, cows like to stand close to their friends when queuing for feed. FJ hasN (2 <= N <= 1000)cows numbered 1...N standing along a straight line waiting for feed. The cows are sta

zhj12399的博客 373

四足机械臂避坑指南:从URDF配置到逆运动学控制的完整流程

本文为四足机械臂(Loco-Manipulation)系统开发提供了一份详实的实战避坑指南。文章深入剖析了从URDF模型配置、核心控制循环设计到逆运动学(IK)求解与奖励函数构建的完整流程,重点讲解了如何避免关节命名错误、惯性参数设置不当、IK求解不稳定等常见陷阱,并强调了利用collision_bbox等可视化工具进行高效调试的方法,旨在帮助工程师构建稳定、高效的四足机械臂控制系统。

weixin_42509507的博客 192

贝叶斯校准在计算机模型不确定性分析中的实践指南

本文深入探讨了贝叶斯校准在计算机模型不确定性分析中的核心原理与实践方法。通过将模型从“黑箱”转变为“透明箱”,该方法系统量化了参数不确定性、模型结构缺陷及观测误差。文章重点阐释了如何利用高斯过程作为代理模型和模型不足函数,构建完整的贝叶斯校准框架,并提供了从数据准备、模型训练到MCMC推断及不确定性分析的实战指南,最终实现更可靠的预测与决策支持。

weixin_29088655的博客 292

poj1364(差分约束+Bellman-ford)

题意:给出一个序列Si = {aSi, aSi+1, ..., aSi+ni} 和其子序列S = {a1, a2, ..., an};在给出序列的约束条件: aSi + aSi+1 + ... + aSi+ni < ki 或者 aSi + aSi+1 + ... + aSi+ni > ki 。现在给出m行,每一行包含四个数:分别是si, ni, oi, ki,这四个数分别代表序列中第si个数到第si+ni个数大于(gt)或者小于(lt). 思路:差分约束+Bellman_ford:当问题可以转化

Keep_Trying_Go的博客 476

HDR视频技术之七:逆色调映射

HDR 技术说是继 4K 之后视频领域的又一次重大技术突破,不仅提高图像的动态范围,同时也提供了更宽的色域,并提升了画面在高光和暗部的细节信息,带给观看者更加真实的视觉体验。但作为 HDR 产业链的核心,内容短缺的问题仍然是 HDR 普及和成熟的重要限制因素。众多电视厂商将 HDR 技术作为其产品规划中的重要技术,主要是在硬件方面进行提升。而由于 HDR 内容制作对于设备要求较高,对采集、调色、显示等多方面都需要较高的质量要求,内容制作的复杂度和周期长等因素,导致了 HDR 内容的匮乏。

多媒体开发者 2430

差分约束系统

差分约束系统 一、何为差分约束系统: 差分约束系统(system of difference constraints),是求解关于一组变数的特殊不等式组之方法。如果一个系统由n个变量和m个约束条件组成,其中每个约束条件形如xj-xi 通俗一点地说,差分约束系统就是一些不等式的组,而我们的目标是通过给定的约束不等式组求出最大值或者最小值或者差分约束系统是否有解。 比如:

我的ACM,我的梦!!! 2万+

如何解除“无法完成操作 因为文件包含病毒或潜在垃圾软件”

当运行软件遇到“无法完成操作 因为文件包含病毒或潜在垃圾软件”时,如何解决?控制面板-系统和安全-Windows Defender防火墙-自定义设置,将专用网络及公用网络关闭。点击后,选择“病毒和威胁防护”-管理配置。进入安全中心后,选择“病毒和威胁防护”将需要排斥的选项输入后,保存配置即可。2:打开windows安全中心。

笔者从事电信媒体开发多年,愿意将多年的开发经验分享给同行 6万+

11 指挥AI写C语言/嵌入式基础代码,适配硬件与底层逻辑

本文为《30天掌控AI编程:从指令到落地,手把手教你指挥AI写代码》系列第十一篇,正式进入第三阶段多场景实战环节。聚焦**C语言/嵌入式基础代码**生成,结合嵌入式开发的核心需求,讲解如何精准编写指令,指挥AI生成适配硬件、贴合底层逻辑的C语言代码,覆盖嵌入式常用底层功能、硬件适配要点、代码规范,搭配完整指令模板、AI输出示例与实操校验方法,零基础也能快速指挥AI完成嵌入式基础开发,无需死记硬背C语言底层语法。

coreopt的博客 141

差分约束 总结

差分约束 总结

ZhuRanCheng的博客 908

vue - 网站接入微信扫码登录功能详细教程,完整详细流程及完整功能示例源代码(附常见问题的解决方案与二维码样式修改方案)

vue.js项目植入微信登录,vue网页项目怎么做微信扫码登录,VUE项目中的微信扫码登录,VUE中最简单的js调用微信扫一扫功能,vue:如何设计网页的微信扫码登录功能,微信扫码功能官方文档,通过vue方式实现二维码扫码功能,vue调用微信扫码,vue H5 调用微信扫描二维码,Vue前端实现微信扫码登录,vue-wxlogin 微信授权登录组件,网站引入的微信登录框如何修改宽高或其他样式,wxlogin 组件插件怎么改变宽高,vue-wxlogin组件怎么自定义样式,微信网页授权,vue调用微信JSDK

✅ 精选推荐文章 6368

图论——差分约束

差分约束是一类特殊的不等式约束问题,其形式为xi​≤xj​c,其中xi​xj​为变量,c为常数。这类问题可以通过转换为单源最短路问题来求解其可行解。我们证明一个差分约束和一个最短路问题是等价的:1.假设我们已经通过最短路算法求出了一个图中从源点s到所有节点的最短路径disti,根据最短路的松弛性质,对于任意一条边j→iw,都有disti≤distjw,因此,最短路的解满足所有的边权约束条件。

m0_70897036的博客 1561

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

[图论] 差分约束

差分约束系统图论解法 摘要:差分约束系统通过图论建模转化为最短路或负环问题。将变量视为顶点,约束条件转化为有向边(形如x_i ≤ x_j + c_k的约束对应j→i边)。单源最短路算法得出的dis数组即为合法解,负环则系统无解。系统若有解必有无穷多解(变量可整体平移)。关键技巧包括:建立全局源点、约束代数转换、虚点构造约束、拓扑排序优化等。实际应用如P4926需结合对数转换和二分法求解。系统解的正确性源于最短路不等式与约束条件的等价性。

2503_94075975的博客 1255

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

差分约束 模板

<br />/* 根据题意我们可以构建差分约束模型 但是我们要求起始点和终点距离最远 这里我们有两种做法: 1、我们可以添加约束条件 即最后一个点和起始点的距离要>=n 我们只要二分枚举n,判断是否有负环就好 2、我们可以只进行一次差分约束就好,这里我们要明白一个东西。就是求最短路的时候, 我们求得的值是满足条件约束的最大值,求最长路的时候,我们求得的值是满足条件 约束的最小值。就说最短路吧:我们可以这么想。开始的时候,我们初始化为+无穷。 我们是不断减小最短路的值来看是

Rachel Zhang的专栏 3358

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

差分约束算法

上文提到,差分约束问题可以用最短路径求解,所以,我们也用一个数组。差分约束问题的典型特征是一组不等式。,这类问题都可以准换为最短路径问题。为起点,并初始化为 0。) = 一个未知数对应一个顶点(接着,用最短路径算法求。) + 一个额外的顶点(

hydrogend的博客 1140

浅说差分约束

当我们的题目中遇到一些存在不等关系的式子的时候,我们其实可以把它转换成图上问题来解决。为什么呢?我们可以观察一下这两个式子:aj≤ai+wa_j\le a_i+waj​≤ai​+wdisj≤disi+wi,jdis_j\le dis_i+w_{i,j}disj​≤disi​+wi,j​第一个是我们的要求的式子,第二个是我们在求最短路的时候的式子,是不是可以发现这两个是惊人的相似?那么我们是不是就可以类比一下?我们把 aia_iai​ 类比成 disidis_idisi​ ,aja_jaj​ 类比成 disj

CylMK的博客 954

差分约束总结

差分约束,常见的板子类题目,但又不太板子,稍微总结一下: \(1.\)常见的差分约束,将不等式转化为\(SPFA\)的松弛操作,注意最短路与最长路的区分即可。 \(Eg:[USACO05DEC]\)布局 较为板子的板子,如果有\(x_i-x_j\leq d\),建边\(j\)向\(i\),边权为\(d\),跑最短路,这是我们最开始的想法,但是这一题告诉我们了一个重要的事情,我们要从\(0...

weixin_30467087的博客 139
上一篇: SPFA算法 poj 1364
下一篇: poj 2983Is the Information Reliable?
贱走偏锋
博客等级 码龄15年 24粉丝 60原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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