poj2112最大流+二分+floyd

本文介绍了一种结合最短路与最大流的算法,用于解决特定类型的网络流问题。通过设置超级源点和超级汇点,并利用Floyd算法预处理所有点间的最短路径,再使用二分查找配合最大流算法确定可行的最大距离,最终求解最优解。

还是建图难。

设超级源点和超级汇点,超级源点到每个机器都是m ,每个奶牛到汇点都是1.

然后floyd 找机器和每个奶牛之间的最短路

然后  二分最长距离 ,最大流 搞下,如果流量等于c 继续二分 直到找到 下界。

#include <cstdio>
#include <cstring>
#include <algorithm>
#include <climits>
#include <string>
#include <iostream>
#include <map>
#include <cstdlib>
#include <list>
#include <set>
#include <queue>
#include <stack>
using namespace std;


int Map2[600+2][600+2];
int k,c,m;
int s,e;
int Map[600+2][600+2];
int Min(int a,int b)
{
    return a>b?b:a;
}
int Max;
void  floyd()
{
    Max=0;
    for(int t=1;t<=k+c;t++){
        for(int i=1;i<=k+c;i++)
        for(int j=1;j<=k+c;j++){
           // if(i==j||j==t||t==i) continue;
            Map[i][j]=Min(Map[i][j],Map[i][t]+Map[t][j]);
        }
    }
    for(int i=1;i<=k;i++)
        for(int j=1+k;j<=k+c;j++)
        if(Map[i][j]>Max) Max=Map[i][j];
}

int level[600+2];
const int INF=0xfffffff;
bool bfs()
{
    queue<int> q;
    q.push(s); memset(level,0,sizeof(level)); level[s]=1;
    while(!q.empty()){
        int cur=q.front();  q.pop();
        for(int i=s;i<=e;i++)
        if(Map2[cur][i]&&!level[i]){
            level[i]=level[cur]+1;
            q.push(i);
        }
    }
    return level[e];
}
int dfs(int x,int val)
{
    int tem=val;
    if(x==e) return val;
    for(int i=s;i<=e&&tem;i++){
        if(Map2[x][i]&&level[i]==level[x]+1){
            int t=dfs(i,Min(tem,Map2[x][i]));
            Map2[x][i]-=t;Map2[i][x]+=t;
            tem-=t;

        }
    }
    return val-tem;
}

void build(int mid)
{
    memset(Map2,0,sizeof(Map2));
    for(int i=1;i<=k;i++)
    Map2[s][i]=m;
    for(int i=k+1;i<=k+c;i++)
        Map2[i][e]=1;
    for(int i=1;i<=k;i++)
        for(int j=k+1;j<=k+c;j++)
        if(Map[i][j]<=mid) Map2[i][j]=1;

}
int erfen()
{
    int mid;
    int l=0;int r=Max;
    //cout<<Max<<endl;system("pause");
    while(l<r){
        mid=(l+r)>>1;
        build(mid);
        int t;int ans=0;
        while(bfs()){
            while(t=dfs(s,INF)) ans+=t;
        }
       // cout<<l<<" "<<r<<" "<<ans<<endl;system("pause");
        if(ans>=c){
            r=mid;
        }
        if(ans<c) l=mid+1;
    }
    return r;
}
int main()
{
    while(scanf("%d%d%d",&k,&c,&m)!=EOF){
        s=0;e=k+c+1;
        memset(Map,0,sizeof(Map));
        for(int i=1;i<=k+c;i++)
        for(int j=1;j<=k+c;j++){
            scanf("%d",&Map[i][j]);
            if(Map[i][j]==0) Map[i][j]=INF;
        }
        floyd();
        cout<<erfen()<<endl;

    }
    return 0;
}

 

转载于:https://www.cnblogs.com/yigexigua/p/3873559.html

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