ZOJ-2770 Burn the Linked Camp 差分约束

本文介绍了一种解决特定驻军人数问题的方法,通过构建图模型并利用SPFA算法求解最短路径,以此来确定最低驻军人数。文章详细展示了如何将问题转化为图论中的边,并给出了完整的代码实现。

题意:告诉我们一系列的不等式,当然这些不等式都是两个变量之间的差值,而非和值。刘备拥有N个军营,每个军营都有一个人数的上限,现在陆逊的探子来报刘备的[a, b]军营总人数不低过某一个值,现在问根据这些答案陆逊是否能够正确推断出刘备至少在各营一共驻扎了多少部队,如果不能推出,输出“Bad Estimations”。

分析:根据给定的条件,我们设sum[i]表示刘备前i个军营一共驻扎了多少人,那么每个军营至多有多少人就能够通过不等式列出来。假设一共有三个军营,上限分别为A,B,C,那么有:
0 <= sum[1] - sum[0] <= A
0 <= sum[2] - sum[1] <= B
0 <= sum[3] - sum[2] <= C
而对于陆逊的探子信息,对[a, b]不少于K人转化为:
sum[b] - sum[a] >= K
将sum[x]看做是最短路里面的dis[x]那么根据满足的三角不等式,就能够推出图的边,我们也就能求解出一组合法的满足所有等式的结果。
接下来要求的刘备总共至少驻扎了多少部队,及设要求的量为M,则满足
sum[N] - sum[0] >= M  或  sum[0] - sum[N] <= -M
对于后面的不等式如果设sum[M] = 0,就变成了从N到0的最短路径求解。

代码如下:

#include <iostream>
#include <cstring>
#include <cstdio>
#include <cstdlib>
#include <queue>
#include <algorithm>
using namespace std;

int N, M, idx, head[1005];
long long sum[1005];
char vis[1005];
int cnt[1005];
long long dis[1005];
struct Edge {
    int v, next;
    long long ct; 
}e[1050005];

void insert(int a, int b, long long ct) {
    e[idx].v = b, e[idx].ct = ct;
    e[idx].next = head[a];
    head[a] = idx++;
}

void build() {
    for (int i = 1; i <= N; ++i) { 
        insert(i-1, i, sum[i] - sum[i-1]);
        insert(i, i-1, 0);
    }
}

bool spfa() {
    memset(cnt, 0, sizeof (cnt));
    memset(vis, 0, sizeof (vis));
    memset(dis, 0x3f, sizeof (dis));
    dis[N] = 0, vis[N] = 1;
    cnt[N] = 1;
    queue<int>q;
    q.push(N);
    while (!q.empty()) {
        int v = q.front();
        q.pop();
        vis[v] = 0;
        if (cnt[v] > N) return false;
        for (int i = head[v]; i != -1; i = e[i].next) { 
            if (dis[e[i].v] > dis[v] + e[i].ct) {
                dis[e[i].v] = dis[v] + e[i].ct;
                if (!vis[e[i].v]) {
                    q.push(e[i].v);
                    ++cnt[e[i].v];
                    vis[e[i].v] = 1;
                }
            }
        }
    }
    return true;
}

int main() {
    int a, b, c;
    while (scanf("%d %d", &N, &M) == 2) {
        idx = 0;
        memset(head, 0xff, sizeof (head));
        for (int i = 1; i <= N; ++i) {
            scanf("%I64d", &sum[i]);
            sum[i] += sum[i-1];    // 求一个前缀和
        }
        for (int i = 0; i < M; ++i) {
            scanf("%d %d %d", &a, &b, &c);
            insert(b, a-1, -c);    // 将a, b, c转化为图中的边
        }
        build();
        if (spfa()) {
            printf("%d\n", -dis[0]);
        } else {
            puts("Bad Estimations");
        }
    }
    return 0;    
}

 

转载于:https://www.cnblogs.com/Lyush/archive/2013/03/12/2956429.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