来自威士忌的代码(最小费用最大流)

本文介绍了一种结合Bellman-Ford算法实现的最小费用最大流算法。该算法通过不断寻找从源点到汇点的费用最小且有剩余容量的路径来逐步构建最大流,同时计算最小费用。文中给出了具体的实现代码及参数解释。

 

 

 

 

每次在s-t之间找出费用最小的一条路径即单源最短路,如果t点不再被访问到,则算法终止。否则,按着最短路径找出最小剩余容量c,最大流量加上c,再更新最短路径上的边,前向弧减去c,反向弧加上c,并且造一条逆向的费用边,最小费用加上每条边的花销,每条边的花销=单位费用*c。

最小费用最大流既能求最小费用,又能得出最大流,是更为一般的模型。

 

 

牛人哈~~~自己也懒得看原理了,代码中使用了bellman-ford算法,貌似可以改进为spfa,会更好。

 

ExpandedBlockStart.gifContractedBlock.gif/**//**** **** **** **** **** ****
网络中最小费用最大流
参数含义:    n代表网络中的总节点数
            net[][]代表剩余网络
            cost[][]代表单位费用
            path[]保存增广路径
            ecost[]源点到各点的最短路
算法:初始最小费用和最大流均为,寻找单位费用最短路
在最短路中求出最大流,即为增广路,再修改剩余网络,直到无可增广路为止
返回值:        最小费用,最大流量
**** **** **** **** **** ***
*/
 
const int NMAX = 210;
int net[NMAX][NMAX], cost[NMAX][NMAX];
int path[NMAX], ecost[NMAX];
int n;
bool bellman_ford()
ExpandedBlockStart.gifContractedBlock.gif
{
    
int i,j;
    memset(path,
-1,sizeof(path));
    fill(ecost, ecost
+NMAX, INT_MAX);
    ecost[
0= 0;

    
bool flag = true;
ExpandedSubBlockStart.gifContractedSubBlock.gif    
while(flag) {
        flag 
= false;
ExpandedSubBlockStart.gifContractedSubBlock.gif        
for(i=0;i<=n;i++{
ExpandedSubBlockStart.gifContractedSubBlock.gif            
if(ecost[i] == INT_MAX) {
                
continue ;
            }

ExpandedSubBlockStart.gifContractedSubBlock.gif            
for(j=0;j<=n;j++{
ExpandedSubBlockStart.gifContractedSubBlock.gif                
if(net[i][j] > 0 && ecost[i]+cost[i][j] < ecost[j]) {
                    flag 
= true;
                    ecost[j] 
= ecost[i]+cost[i][j];
                    path[j] 
= i;
                }

            }

        }

    }

    
return ecost[n] != INT_MAX;
}


int min_cost_max_flow()
ExpandedBlockStart.gifContractedBlock.gif
{
    
int i,j;
    
int mincost = 0, maxflow = 0;
ExpandedSubBlockStart.gifContractedSubBlock.gif    
while( bellman_ford() ) {
        
int now = n;
        
int neck = INT_MAX;
ExpandedSubBlockStart.gifContractedSubBlock.gif        
while(now != 0{
            
int pre = path[now];
            neck 
= min(neck, net[pre][now]);
            now 
= pre;
        }

        maxflow 
+= neck;
        now 
= n;
ExpandedSubBlockStart.gifContractedSubBlock.gif        
while(now != 0{
            
int pre = path[now];
            net[pre][now] 
-= neck;
            net[now][pre] 
+= neck;
            cost[now][pre] 
= - cost[pre][now];
            mincost 
+= cost[pre][now] * neck;
            now 
= pre;
        }

    }

    
return mincost;
}

转载于:https://www.cnblogs.com/zhuangli/archive/2008/08/01/1258434.html

标题基于Python的自主学习系统后端设计与实现AI更换标题第1章引言介绍自主学习系统的研究背景、意义、现状以及本文的研究方法和创新点。1.1研究背景与意义阐述自主学习系统在教育技术领域的重要性和应用价值。1.2国内外研究现状分析国内外在自主学习系统后端技术方面的研究进展。1.3研究方法与创新点概述本文采用Python技术栈的设计方法和系统创新点。第2章相关理论与技术总结自主学习系统后端开发的相关理论和技术基础。2.1自主学习系统理论阐述自主学习系统的定义、特征和理论基础。2.2Python后端技术栈介绍DjangoFlask等Python后端框架及其适用场景。2.3数据库技术讨论关系型和非关系型数据库在系统中的应用方案。第3章系统设计与实现详细介绍自主学习系统后端的设计方案和实现过程。3.1系统架构设计提出基于微服务的系统架构设计方案。3.2核心模块设计详细说明用户管理、学习资源管理、进度跟踪等核心模块设计。3.3关键技术实现阐述个性化推荐算法、学习行为分析等关键技术的实现。第4章系统测试与评估对系统进行功能测试和性能评估。4.1测试环境与方法介绍测试环境配置和采用的测试方法。4.2功能测试结果展示各功能模块的测试结果和问题修复情况。4.3性能评估分析分析系统在高并发等场景下的性能表现。第5章结论与展望总结研究成果并提出未来改进方向。5.1研究结论概括系统设计的主要成果和技术创新。5.2未来展望指出系统局限性并提出后续优化方向。
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